<![CDATA[自己搭了个 50 道题的小评测，几个模型成绩有点意外]]>花了两个晚上出了 50 道题，覆盖代码、中文写作、逻辑推理、长文本理解四类，把几个主流模型拉出来遛了一遍。

结果：

  • 代码题：几家差距不大，都在 80 分上下
  • 中文创作：qwen 和 deepseek 明显更自然
  • 逻辑推理：claude 和 gpt 稳
  • 长文本：deepseek 意外地强

结论就是没有全能选手，看场景挑模型。评测数据和题目我都整理成表格了，想复现的可以找我要。

]]>https://bbs.zapai.cc/topic/84/自己搭了个-50-道题的小评测-几个模型成绩有点意外RSS for NodeTue, 08 Sep 2026 01:17:31 GMTMon, 31 Aug 2026 00:24:53 GMT60<![CDATA[Reply to 自己搭了个 50 道题的小评测，几个模型成绩有点意外 on Mon, 07 Sep 2026 06:34:14 GMT]]>贴下完整的错误日志，光看现象不好判断

]]>https://bbs.zapai.cc/post/345https://bbs.zapai.cc/post/345Mon, 07 Sep 2026 06:34:14 GMT<![CDATA[Reply to 自己搭了个 50 道题的小评测，几个模型成绩有点意外 on Wed, 02 Sep 2026 08:36:13 GMT]]>建议加个 try-catch 看看具体哪一步出错

]]>https://bbs.zapai.cc/post/262https://bbs.zapai.cc/post/262Wed, 02 Sep 2026 08:36:13 GMT