外面传的是，某个内部代号模型4在能力指数上拿了178.6分。我看到这数字的第一反应不是震惊，是好奇这分数到底谁打的。
没名字的模型，分数倒挺具体
据说评估方从8月12日进场，本来计划4周，硬生生拖到11周，投进去相当于2.5个全职人力，四位主要作者。这个工作量听着不像走过场。
但你要让我因为这个分数就信了什么，我得先问一句，你让模型当场跑过题吗。答案是没有，评估方从头到尾没被允许直接跟模型对话。
怎么说呢，这就像你拿到一份体检报告，但医生没碰过病人，全靠看化验单和听人转述。分数是具体的，过程是虚的。
我不确定这178.6到底能代表多少真实能力。可能很高，可能就是个被精心挑选过的数字，这个我没验过，也没法验。
分数是真的，但形容词不是
我盯着那个指数看久了，越看越觉得它像高考总分。把所有科目揉成一个数，看着挺公平，其实每一科的权重都是人定的。
据说这个指数把一堆基准测试卷成一个数字，2025年10月之前每年涨大约15个点。模型4这个178.6，是旧速率的1.9倍左右。
可问题在于，评估方自己都承认，换个链接函数，结果能从1.1跳到2.9。这差距比我家楼下早餐店的豆浆甜度还不稳定。
所以你说这分数是事实吗，是。但它背后的形容词，什么加速、什么拐点，全看你怎么切数据。切法不同，故事就不同。
我服气的是他们至少把不确定性写出来了。不服气的是，很多人只记住了178.6，没记住那个1.1。
谁评的、评了啥、敢不敢现场跑
以后再刷到两年内就怎样的说法，你先别慌，问三件事。谁评的，评了什么，有没有让模型当场跑一遍。
这次是外部评估机构进场，听着挺独立。但据说报告里最有信息量的部分被删了不少，公开版本比内部版薄了一圈。
我不是说删减就一定有问题，商业机密嘛，谁都得留一手。可你让外人怎么复现呢，连原始数据都摸不着。
还有一点，评估方的人据说拒了某家公司的工作邀约，同时又持有竞争对手的股权。这背景不算黑点，但足够让你多问一句。
所以你看，分数是178.6，但围在这个数字周围的变量，比数字本身多得多。你得学会看那些没写进标题的东西。
对普通人来说，这账该怎么算
说实话，这个分数对你的日常使用影响几乎为零。你手机里的语音助手不会因为模型4拿了178.6就突然变聪明。
但你得明白一件事，这些内部评测的数字，最终会变成产品发布时的宣传语。到时候你看到的可能就是一句轻飘飘的行业领先。
我猜真正值得关注的是那个时间窗说法，有人把通用智能压到一到两年。这话听着吓人，可它建立在多少假设上，你数过吗。
反正我的态度是，数字可以参考，时间表别当真。当年还说自动驾驶三年上路呢，现在我连个能完全撒手的车都没见着。
你如果真关心进展，不如盯着下一次公开评测，看那个1.9倍能不能站住。站不住，今天这些讨论就全是口水。
所以我现在看到这种分数，第一反应是找它的分母。178.6听着挺大，可要是分母是1000呢，要是分母是200呢。
哪天要是有人拿个模型在我面前现场跑一遍，跑完还让我自己出题，那我可能就信了。在那之前，我还是继续算我的账吧。
这类评测我慢慢读，你要一起就留下。
欢迎看下一篇内容：7 个免费 AI 工具，从写稿到做图能凑一整套
每日一语：分数能被追问，形容词只会越来越大。
免责声明：那个分数怎么算的我不清楚，不构成投资意见，也不构成任何预测；评估细节以发布方为准。
