有没有发现来来回回测评的就是写一款网页，做一个特效…

因为这是最直观的呀 不过我也感觉这样测评有点偏颇了

因为 webdav 最好测试一眼看出优劣 写一堆 Rust 然后跑又臭又长的 benchmark 展示吗，，那是专业机构 deepswe 哪些该干的事

第一印象一直都是这样测的啊，谷歌出模型的时候不也这样？

前端是最容易看到直观效果的，后端必须一大堆人用到项目里才会有结论，而且不利于传播

哈哈哈,媒体平台的测评都是给普通人看的,真正做项目都是需要好几个文档计划需求,开发历史,规范文件,怎么可能几句话哈哈哈,而且踩的坑很多很多,都需要针对性的调整AGENTS.md或者CLAUDE.md,用自然语言对话写代码,那不得被ai气死

因为绝大多数媒体都是嚼人口舌罢了，它们不具备独自开设课题的能力。

说白了，他们还知道找个已知的多次验证过的指标、任务，来跑一遍流程，已经算勤快的了

这种方式简单但有效。同样的提示词，人家测评给出一个效果，我让grok4.5跑一下出来一个效果，就可以对比了。

不过我也有一些略复杂的coding需求，这个确实没法直接看出来，还得是实际体验

所以MiniMax M3能上神坛

确实这样测评最快，但是这样测的结果就是MiniMax M3能上神坛

看来还是得实际落到coding才行

我觉得是因为要测自己的项目要开套餐 而网页上可以免费测一下这些前端效果 ^-^

所以我对gemini 3系列的印象一直不好，事实也证明gemini3只在前端和强逻辑问题上出色

没办法的，因为现在的新闻传播要的是快速、直观、流量大。

专业测评只能留在专业领域的社区，大部分人看不懂后端的东西，但是一句话出一个网页、一个游戏，还有视频演示甚至直接可以点开玩，两种体验完全不同

这模型啥时候能上桌了，不一直无人在意么，包括站内也很少会说使用这个模型

何意味，这模型不是一直无人在意，路边一条吗，l站里也都不看好这个模型

各大benchmark成绩不都在技术博客里面吗

它们就是你想要的深度测评

为了防止跑题：
本帖说的不是要不要测3js，而是说用3js去评估前端能力是否合理。本帖也不是否定3D前端价值，而是对评测指标的代表性有疑惑。

看到微博，b站一些up测所谓的模型前端能力，结果测试的是3js/Phaser之类的，感觉有点怪怪的，他们的评测呈现的前端能力与主流业务场景似乎存在明显错位？
要测模型的前端不应该侧重的是对html/js/css/react/vue等常用概念/类库/框…

想起自己2个月前就有这样的疑问（不过我的疑问是用3js来代表前端能力这个

测前端还是最直观的 现在有些up追求差异化都在做游戏了 ^-^