分析机构指谷歌 Meta 模型刷榜，双方各执一词

分析机构 SemiAnalysis 发文指出谷歌 Gemini 3.8 Flash 和 Meta Muse Spark 1.3 刷榜痕迹明显。在 Terminal-Bench 2.1 榜单上二者成绩优异，Gemini 3.8 Flash 排第 2，Muse Spark 1.3 排第 4，但在新增防作弊机制、更新题目的 Terminal-Bench 4.0 榜单上，前者暴跌至 19.1 分排第 12，后者为 33.3 分，成绩大幅下滑。Meta 首席 AI 官对此反驳，称 GPT-5.6 Sol 落差更大却未被指刷榜，且 Muse Spark 1.3 主打性价比。SemiAnalysis 还揭露行业刷榜高阶玩法：大厂不再直接用原题训练，而是购买贴近公开榜单题型的训练数据，相关产业链已成熟，单季合同均价达 30 万到 50 万美元，供给侧有众多公司参与。此外，Datacurve 公司既运营 DeepSWE 榜单，又出售相关训练数据，被指既当卖题机构又当监考老师。SemiAnalysis 认为公开基准终将被「刷穿」，建议做高质量私有基准，但这会使公开榜单沦为营销工具，开发者将失去公平丈量模型的公共标尺。