QIN2DIM's Tech Channel
我有自己的看法，我非常喜欢 Vals 之类的评价指数，能够从非常专业的多个私有领域数据去评估模型的“胜任力”。虽然我平时喜欢暴论，但是正经聊天的时候还是得先对一对“认知”，确保对方说的 <榜单> <幻觉率> 之类的术语跟我所理解的大差不差。 从我目前的评测来看，gemini-3-pro-preview (thinking_level=high) 在空间推理，网页内容理解，算法优化等领域，一超多强，遥遥领先。 在 law，health，finance 有相对领先的专业能力。 一些传播很广的批评的声音，存在一些谬误问题。例如…
