模型评测

找到 4 篇关于此标签的文章

大模型也要测政治立场了：Reddit 用户拿 Political Compass 跑了十几个模型

Reddit 用户 Thrumpwart 把十几款主流大模型丢进 Political Compass 测试，结果多数偏向经济左翼 + 社会自由象限。这事表面是社区玩票，背后是训练数据偏见与企业部署选型的真实风险。

'裸发'指模型上线时不公布实验室、不发技术报告。OpenRouter 这周出现的 Ox Alph 是最新一例，Reddit 用户猜是中国出品——反映中国大模型公司从'高调开源'分流出的一种新打法。

阿里通义千问发布 Qwen 3.8 Max。独立开发者在海外社区实测后给出的最高评价是：'最擅长知道什么不该做'。在参数军备竞赛回归的当下，这家中国公司押注的是模型的判断力与规划能力，值得所有为 AI 落地头疼的产品经理和架构师留意。

Anthropic 旗下新模型 Claude Mythos 的发布被外部分析人士指出存在误导性宣传，核心争议集中在性能对比数据的呈现方式上。这不是孤立事件——AI 头部公司在发布节点夸大或选择性披露数据已成惯常操作，值得我们认真审视这个行业的信息质量问题。