2. Linux.do
  3. GLM5.2在livebench上核爆了，这是针对性刷榜了还是真的起飞了

GLM5.2在livebench上核爆了，这是针对性刷榜了还是真的起飞了

布衣 2026-06-18 01:39 1


Livebench这个benchmark是我个人认为最准确、最符合体感而且几乎没有被刷过榜的榜单，除了3个缺陷：1，国产模型的language average项有略微偏低的bias；2，Gemini测评首发版无法反应光速降智情况；3，测试链普遍很短不能反映长上下文能力。

这个benchmark准确反映了当初LLaMA 4的暴死、M2.7的拉了一地、M3的不如预期、Qwen3.6 27B和gemma4 31B的惊人智能密度以及fable5的fallback问题，我个人看来几乎没有出过错误。


这把glm5.2在榜上和4.6Opus high旗鼓相当，如果考虑国产模型在livebench上的language average的bias，在livebench上已经是对标gpt 5.4 xhigh，摸到gpt 5.5 xhigh的水平了。


这是第一次对Livebench针对性刷榜了还是真的起飞了？有没有抢到官方coding plan的朋友说下

最新回复 (3)
  • musclebeta 06-18 02:00
    1楼

    我在推上看到各种野榜都说GLM5.2已经是最强了，不敢想投了多少流

  • 吃豆人 06-18 02:04
    2楼

    体验下来还行，我平时没用claude的模型，和gpt比起来，是比降智gpt5.5厉害的

  • Angel 06-18 02:05
    3楼

    GLM5.2已经是最强



    可以说牛B 但是和最强 我觉得还是有点距离的 说是国模最强 我能接受^-^^-^^-^

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐