谷歌、Meta被揭露AI跑分作弊 华裔高管回应：OpenAI也一样

快科技9月8日消息，谷歌、Meta这两年在AI大模型竞争中一度落伍，跟Anthropic及OpenAI差距拉大，但最新的Gemini 3.8 Flash及Muse Spark 1.3杀回来了，在AA榜单上一度超越OA两家旗舰大模型。 Flash模型的性能也不是说完全不可能超越别人家5万亿甚至10万亿参数量的旗舰大模型，但Gemini及Spark的表现还是让人意外， 知名分析机构SemiAnalysis日前发文分析了这两家的大模型性能，认为他们存在过拟合，直白点来说就是针对榜单评测做了刷分。 了解过AI圈的网友应该很清楚，AI榜单刷分其实都不算是啥新闻了，只不过以前国产大模型被指责的多，现在矛头指向了谷歌和Meta罢了。 对于跑分作弊的指责，没看到谷歌Gemini那边的回应，但Meta这边的AI业务主管Alexandr Wang先坐不住了，他是Scale AI数据标注业务的创始人，被Meta重金收购之后成为Meta AI业务的实际当家人，Spark等大模型就是他领导下做出来的，当然不会接受被人说是刷分作弊才能拿到高分的。 他的回应也很有意思， 说SemiAnalysis指控他们刷分作弊的论点是愚蠢的，因为OpenAI也是这样， GPT-5.6 Sol大模型在难度较低的TerminalBench 2.1跑分是88.8%，但在难度更高的TerminalBench 4.0中也也只有37.3%。 他的这个反击还是很巧妙的，因为SemiAnalysis指控谷歌及Meta靠作弊刷高分的证据就是TB 2.1这样的评测中得了高分，新出的TB 4.0评测基准中跑分就不行，而Wang的反击就是OpenAI的旗舰大模型也是一样的结果，TB 4.0中跑分也同样会大幅降低。 Wang表示这是因为TB 4.0是一个难度更高的评测，而且没有饱和， TB 2.1的评测已经是饱和了。 简单来说，Wang很巧妙地反击了SemiAnalysis对刷分的质疑，强调不同难度下的基准测试分数都不一样，不光是他们这样，OpenAI也一样，这是测试项目的问题，因为之前的测试难度低了，就像是考试一样，学霸、学渣都可以从简单的考试获得高分数，不能因此就认为学渣是靠作弊实现的高分。 最后Wang还不忘给自家的大模型做广告，强调Spark 1.3当然不可能像Astra或者Fable5.1那么强大，但性价比高得多，而且他们未来的大模型会更直接地与Astra或者Fabel5.1竞争。