榜单成绩亮眼、实际表现拉胯：2026年的AI评测，我劝你别全信

AI 观点 · 热议▲ 榜单上门门 A+，一到干活就「原地社死」你肯定见过这种场景：某个新模型一发布，朋友圈全是「刷新 SOTA」「屠榜」「碾压一切」的截图，气势汹汹。结果你兴冲冲打开一用——嗯，看着挺聪明，干活总差那么一口气。别怀疑自己，也别怀疑人生。真不是你的错觉——2026 年，AI 榜单的水分正在被一个个当场拧出来。今天我把几件最有意思的「翻车现场」讲给你听。先说编程界最出名的考试SWE-bench Verified（让 AI 去修真实的 GitHub bug）。搁一年半前，谁能考过 50% 都能