GLM 5.2, Design Arena(by The Intelligence Company) 榜单居然冲到第一了

[jinsongzhaocn]

https://www.designarena.ai/leaderboard/code

[damontian]

哪来的野鸡榜

[jinsongzhaocn]

@damontian 还行吧, 全球最著名的创业孵化器 Y Combinator （ YC ） 2025 年夏季训练营（ S25 Batch ）的明星毕业项目，并获得了 YC 合伙人的直接支持与早期投资.三个创始人 Grace Li 、Kamryn Ohly 和 Jayden Personnat 肯定都是哈佛毕业的

[mingtdlb]

第一 这就有点扯淡了，榜单迟早被国产的玩坏了。目前我认为 claude 和 gpt 是顶级，国产还是有差距

[gloeaerris]

@mingtdlb 这偏见太深了，又不是国产模型自己去测的，是你外国主子拿模型测的

[shintendo]

@mingtdlb 好奇你说的“玩坏”是怎么个玩法？

[wwwwjack]

呵呵 看看就好 他们高兴就行, 要是认真就输了

[mingtdlb]

@gloeaerris 别急啊 孩子

[alexluo1]

@gloeaerris 都违法翻墙了还说这种话

[Rorysky]

@gloeaerris 国外这些 KOL 比你想得还要喜欢跟风

[gloeaerris]

@alexluo1 哦，你违法翻墙出来不是看世界的？居然是来跪舔的啊 大清复活啦

[jinsongzhaocn]

@gloeaerris
@mingtdlb
说偏见有点过了，其实中国家长都这样对自己苛刻，也一代代遗传下来了。
至于玩坏，其实都一样，claude fable 很多测试都以安全为由跳过。公认的 SWE-bench Verified 指标据说居然跳过了几百个，算做通过了，所以才出现了 95%的遥遥领先。这个测试指标里，GLM 完成了 4000 多个测试，fable 完成了 3000 多个。