natolambert· @natolambert · X·· 2 天前AI 评分
顶尖模型实际可用性重于 AA 评分
在顶尖模型中，实际可用性比 AA 上正负 2 分重要得多。对模型来说，这需要一段时间才能理解：AA 算是某种潜力，但有些模型能做到，有些做不到（例如 opus 5 与 5.5）。看起来 3.1 可能更接近做不到的那一边。
At the top end of models, real-world usability matters a lot more than +/- 2 points on AA. This takes a while to understand for a model, where AA is a sort of potential, but some models hit and some miss (e.g. opus 5 vs 5.5). Seems like 3.1 may be closer to the miss side.
来源：natolambert · x.com