Artificial Analysis 数据可靠性引发开发者质疑

Reddit 用户近期对模型评测平台 Artificial Analysis 的数据准确性提出质疑。核心争议点在于该平台针对同一模型在相同基准测试中呈现出不一致的评分，且部分数据与基准测试官方验证结果存在明显矛盾。用户特别指出，Astra 模型在平台上的评分表现与其深入分析的结果不符。这一反馈引发了开发者社区对于模型评测工具可信度的讨论，并促使开发者开始寻求更透明、客观的替代方案，以评估 Claude 3.5 Sonnet、GPT-4o 等主流大模型的实际性能。