打不过千问和 Minimax，性价比全面翻车
image.png (279.74 KB, 下载次数: 0)
下载附件
保存到相册
3分钟前 上传
发布不到 24 小时，一张来自 GitHub 的跑分截图开始在中文技术圈疯传。这个项目叫LLM Benchmark Dashboard，是个人私有题库，主要在逻辑、数学、编程、人类直觉等高难度硬核推理问题上，测模型在深度思考、长思维链（Reasoning）模式下的表现。在这场考核中，被寄予厚望的 Sonnet 5 不仅没能碾压全场，反而暴露出一个致命弱点：极度拉胯的性价比。
