这些搞 AI 模型测评的,什么时候能发现自己在杀鸡用牛刀。根本不知道自己的工作什么是复杂的、什么是工作流、什么是需要Loop的。做一个3d游戏界面、视频、骑自行车就能证明模型能力好吗?解一个已存在的数学证明就能证明模型适合math吗?写几个关联性低的网页/找漏洞就能证明模型适合编程吗?
这类水平的问题deepseek已经绰绰有余,互联网完全低估4.1flash的能力。我实际用下来,编程、做视频倒还不是最难的,最难的是1:1使用svg复刻某张复杂元素图片。比如,1:1使用svg复刻某款flash游戏的场景,0个模型能做到。