顶尖模型实际可用性重于 AA 评分

在顶尖模型中，实际可用性远比 AA 分数上下浮动 2 分重要得多。对某个模型来说，这一点需要花些时间才能理解，因为 AA 算是某种潜力指标，但有些模型能发挥出来，有些则不行（比如 opus 5 与 5.5）。看起来 3.1 可能更接近没发挥出来的那一侧。