B站今天上线了测试模型能力的「AI无限竞技场」，我愿称之为本月最佳整活。之所以用整活二字，是因为所有测评项目都是由B站UP主手搓出来的，理论上并不像传统刷型Benchmark那么严谨。
但从今年以来模型评测的风向转变来看，所谓的严谨，其实是最不要紧的。
要知道，现在市面上参考价值最高的LMArena——也就是AA竞技场——是由用户匿名投票投出来的，这意味着榜单充满了人类的主观偏好，不问对错，只看答案讨喜与否。
所以从严谨性上，哪怕LMArena一度遭遇了很多业内人士的轮番炮轰，但这不耽误它依然是模型评测最大的参照系。
说白了，哪有那么多人每天用模型去解专业数学，评价到底好不好用，最后还不是得看大伙的真实需求吗。
那么问来了，既然LMArena已经如此权威，那为什么B站还要大费周章地再做一个呢？
这就涉及到评分机制的问了，由于LMArena并没有设置任何参与门槛，所以理论上，所有人都可以用脚投票。
我记得年初Surge AI还喷过这一点，说你们的用户压根不会仔细读，扫两眼就选出答案了，这对模型厂商不公平啊......
但在B站，只有UP主可以参与测评，好不好不能选几道就盖棺定论了，得拿作品说。
更何况，因为各模型训练语料不同，老外觉得好用，并不代表我们也认为好用。
这就能解释得通，为什么B站的「AI无限竞技场」与LMArena榜单出入非常大，单是前10名里国产模型就占据了一半，仅有GPT-6 Astra、Claude Fable 5.1这些公认「六边形战士」是重合的。
要知道，那些B站参与测评的UP主已经在实打实用模型解决问了。
注意啊，我指的不单是做网页、解决屎山代码这些主流Coding场景，UP们整出来的大活，还包括考建模、打麻将、当媒婆、对「新三国」暗号等等......
我之前就说过，AI行业当下最要紧的，是去AI味，凭什么做模型就得对着别人的榜单和任务定向优化，反而忽略我们自己最需要的场景，中文社区的真实反馈，这不就来了吗。
更重要的是，B站榜单的实时排名，既会不断刺激模型厂商进步，也相当于给模型的发展历史进行社区化「归档」，完成取之用户、用之用户的良性循环。
我自己是很愿意见到这种场面的，看的人越多，就越能减少一些常识性误解，这对普通人之于AI的认知，助益莫大。
看AI、学AI、搞产品、测模型，眼看着B站的生态，是越来越完善了。
@aigc1024 
豪礼大放送、高端嫩模、劳力士手表、奔驰E300 加入 #182体育 等你领取， 电子可拉2万一注
以及C币，K豆，OKpay、
微信，
支付宝，银行卡等30多种存取款方式，通畅便捷
8K国际网址： 8k2793.com
8K国际 U投首选综合平台|百亿大盘|值得信赖
不限IP免实名网址 8k2517.COM 大额出款无忧
以小博大 PG电子 赏金大对决一发入魂 单笔提款81万U
大户首选 免实名 免手机号 电子可3000U一拉
全网福利天花板
8K官方网址： 8k2517.COM 大额无忧
福利领取： @maomao8k8k 
铂莱娱乐 8年老品牌 广告费每月投入高达500万U，全网担保上押1300万U，送“野鸡黑台”一句话，勿伤玩家利益，勿毁博彩信誉。
【贵宾会 750.cc 】 强势启航，集团背书，信誉担保，全网首发，引爆彩票娱乐新纪元！六合彩49倍 挑战全网心水 全民代理全民收单 助您白手起家 加拿大28全网最高赔率 挑战全网公式 
就在本月，PG电子爆出200万u巨奖。本金仅为5000u……
截至目前：200万U 已极速下发，单笔提款百万u秒出，亿级储备金硬核坐镇，不要去考验小盘的良心，要选就选大盘的实力。
当无数野鸡网在生灭中挣扎时，铂莱始终屹立不倒。这就是我们送给全行业最响亮的耳光！
: @BLKF0
: @bolaidaili
: @bolaiylc_bot
: @BLzhaoshang
: bolai178.cc
