بچه‌های SemiAnalysis دست دوتا از مدل‌های هوش مصنوعی یعنی Gemini 3.8 Flash و Muse Spark 1.3 رو بدجوری رو کردن و گفتن اینا فقط قپی درمی‌کنن و عملکردشون الکی باد شده

بچه‌های SemiAnalysis دست دوتا از مدل‌های هوش مصنوعی یعنی Gemini 3.8 Flash و Muse Spark 1.3 رو بدجوری رو کردن و گفتن اینا فقط قپی درمی‌کنن و عملکردشون الکی باد شده. ماجرا از این قراره که این دوتا مدل توی تست Terminal Bench 2.1 پا‌به‌پای غول‌هایی مثل GPT-6 و Fable 5.1 اومده بودن و حسابی گردوخاک راه انداختن، اما تا پای نسخه جدید یعنی Terminal Bench 4.0 به میون اومد، عملکردشون افت فاحشی کرد و دستشون خالی موند. در واقع سازنده‌ها این مدل‌ها رو طوری دستکاری و اصطلاحاً «بنچ‌مکس» کرده بودن که فقط تو همون آزمون‌های تکراری و خاص نمره خوب دشت کنن، نه اینکه واقعاً زرنگ باشن.