AI排行榜信用重估与真实职场评测争议

2026年10月27日，钛媒体刊发Alter的文章，讨论AI排行榜正经历的信用重估。文章指出，传统基准已大面积饱和：BenchLM追踪的295个百分制基准中，有105个榜首超过90分；而Surge AI的sudo L7、GDP.xlsx、DAYJOB三份真实职场评测将旗舰模型压到二三十分。文章还分析了新榜单自身的利益关联与样本量局限，并提出按每完成一个合格任务的实际成本来选择模型的思路。目前进展停留在观点与评测数据讨论层面，尚无相关机构或模型厂商的公开回应。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。