跳到正文

Tag archive

#模型评测

2 篇 · 按时间倒序

2026-09-02

用 API 中转站跑代码，你买的 Fable 5 可能背地里被掉了包

大模型 API 中转站标着 Fable 5，背后可能加价 1.09 倍卖给你 9B 小模型。安全研究发现近半数中转接口存在掉包，准确率甚至从 83% 断崖跌到 37%。代码跑不通时，别把中间商偷换算力的损耗，当成自己学习 AI 的学费。2026-08-06

看榜选模型？SWE-Bench 三成题目是坏的，六成答案是抄来的

SWE-Bench 分数还能信吗？OpenAI 审计 731 个任务，约 30% 是坏的；Cursor 发现 Opus 解掉的题里 63% 是检索到现成修复。总分没失效，只是不再等于编码能力。该攒一份自己 repo 的私有评测集了。