[Nao 榜] v4.1 flash，你在哪里……？往上走走啊

说不定是 claude code 的问题

换 dsh 看看

比不上glm-5.3-flash？

Nao 榜通常QWEN 和 Gemini 都比大众体感的排名有差别

是一个偏科的榜

试试dsh吧，可能又训得过拟合了

是一个偏科的榜

我是比较认同nao榜的，逻辑测试ds v4.1 flash的分数就比较好看。编程能力属于正常范围。

用Claude Code测试的

不过其实也没差多少

国产三家都在，这榜至少不是一眼假。

其他就没啥好说的了。

那啥排那么前面，真有人用？？？

现在野榜是真的多，前面有个AA，后面有个NAO，他家测评，别人说不好的模型，它都能测试出好了也是挺神奇的 ^-^

现在的榜单就和安兔兔一样，各家都想办法订自己标准，然后从中间捞钱

个人体感DeepSeek的还是比glm5.3-flash要好用些，某次任务glm5.3-flash疯狂的来雷霆大思考，干思考不干活儿……还是换了DeepSeek pro快速的响应处理了

嘶。。。这么低吗？我体感感觉是比glm5.3flash好的哇

Gemini 3.7 Flash 和 GLM 5.3 Flash 的位置和我的体感有点差距，我感觉 V41F 可能比这两个好一点，当然也可能是场景差异

Gemini 我感觉主要是短小的任务能力尚可，稍微长一点的任务就容易偏离了

GLM 5.3 Flash 则是通过雷霆大思考，时间换的效果，不过鉴于价格便宜，倒是一个比较甜品的模型

其他的感觉差距不太大

看到鲲3.8Max排在中游就没必要继续看了，这个榜单无非两种情况①偏科严重②刷分方便但没有针对训练。今天项目跑了一天从GLM-5.3-Flash 切到DP4.1体感提升不少

Deepswe 一百道题都快成野榜了，nao 这常年不变五道题是不是有点草台了^-^

常年不变五道题

nao的题目是变了的，你可以看看前几个月的月榜

大家都会做的题目被剔除，大家都不会的新题目被加入

DDDD 声量大的不一定真的好. 现今互联网现状如此. 有些因为太烂挨骂, 有些因为好被骂.

nao 这常年不变五道题是不是有点草台了

前面有人怀疑公正性/准确性或许还有点道理（毕竟规模还是有限的），但你这里说“常年不变五道题”就是纯云了，J/K/L都是新题。

glm5.3flash为什么排的高一位呢？它是8月末发布的，没测K/L。（排序不绝对）

请问佬们deepseek v4.1 flash 打得过腾讯的hy4吗

这个博主就是hy员工，所以榜里没有，按照他的测试集应该和glm5.3差不多

榜里的qwen和gemini实战中都没人长期用，何必加上去