Nathan Lambert @natolambert

在顶级模型层面，真实世界的可用性远比 AA 上 ±2 分重要得多。这对一个模型来说需要一段时间才能理解，AA 更像是一种潜力，但有些模型能兑现，有些则不能（例如 opus 5 与 5.5）。看来 3.1 可能更偏向兑不了现的那一边。 [引用 @fawnunwrap]: 在 Kimi K3.1 之后，OpenAI 在 AA 分析上甚至已不再位居前五 https://t.co/SEl1QZ9jiX

• 开源模型研读清单在 Hacker News 发布2026-09-14