开源模型被指过度刷分脱离实际，业内发起新评测基准

国产开源模型因在AA榜过度刷分，出现模型性能与实际使用体验脱节的问题，亟需放弃单一综合榜单并建立自身评估标准。业内指出大模型应转向细分赛道并提升推理效率，如DeepSeek 4.1 Flash专注高推理效率可跑出150 TPS。针对这一现状，公众号“葬AI”宣布将建立开源Benchmark社区，计划陆续开源发布贴合真实任务与实际环境的评测基准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。