9月8日，有分析指谷歌Gemini 3.8 Flash與Meta Muse Spark 1.3存在針對榜單刷分的過拟合。Meta AI業務主管Alexandr Wang反駁稱不同難度基準分數本就不同，並援引GPT-5.6 Sol在兩版TerminalBench的分數差異為例。
觀點網訊：9月8日，谷歌、Meta最新的Gemini 3.8 Flash與Muse Spark 1.3在第三方榜單上一度反超Anthropic及OpenAI旗艦模型，有分析認為兩家新模型存在針對榜單評測刷分的過拟合情況。
對于跑分作弊指控，谷歌方面暫無回應。Meta AI業務主管Alexandr Wang反駁稱該論點站不住腳，不同難度基準分數本就不同。
Wang以OpenAI的GPT-5.6 Sol在TerminalBench 2.1拿到88.8%、在TerminalBench 4.0為37.3%為例，稱舊基準已飽和、新基準未飽和。
Wang表示，未來大模型會更直接地與兩家旗艦競争。
免責聲明：本文内容與數據由觀點根據公開信息整理，不構成投資建議，使用前請核實。
審校：劉滿桃
版權聲明：觀點網絡信息科技有限公司及廣州觀點信息資訊服務有限公司擁有及保留其主辦暨承辦網站、論壇及活動的所有資料（包括但不限於文字、圖片、音頻、視頻資料及頁面設計、編排、軟件等）的所有權、版權等其他相關知識產權。除經授權合法使用上述資料外，未征得我司書面許可並付費，任何單位和個人不得以任何理由及方式使用上述資料（包括但不限於轉載、轉讓、授權他人使用等），否則我司將依法追究其法律責任以及賠償責任。
承印人：觀點網絡信息科技有限公司 (Guandian Network Information Technology Co.,Ltd.)
地址：香港灣仔菲林明道8號大同大廈15樓1505室（Room 5,15th Floor,Tai Tung Building,8 Fleming Road,Wan chai,HongKong Island,HongKong. ）
電郵：info@guandian.hk
移動端下載