# AGI Ranker 修正了评分天花板逻辑，所有模型分数掉了 6 到 15 分

> 原标题：Show HN: I audited my AI leaderboard scale – every score dropped 6-15 points

- 来源：Hacker News 首页
- 发布时间：2026-07-30T14:04:18.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/47634
- 原文：https://agiranker.com/

## 摘要

AGI Ranker 把 10 个公开基准测试打包成一个 0 到 100 的综合分，100 分代表摸到 AGI 门槛。最近他们做了一次审计，发现之前把几乎所有基准的满分都当成了“人类顶尖水平”，但真正有公开发表的人类对照实验的只有 GPQA Diamond 这一个（人类得分 0.81）。其余九个基准的“天花板”其实只是卷面满分，不等于人类水平。

## 推荐理由

AGI Ranker 审计发现，10 个基准里只有 GPQA Diamond 有人类对照实验，其余九个把卷面满分当成人类顶尖水平，修正后所有模型综合分下降 6 到 15 分。

## 锐评

10 个 benchmark 里 9 个的"人类顶尖水平"只是卷面满分，这个错挺离谱的，更离谱的是没人早发现。GPQA Diamond 人类 0.81 是唯一有实测对照的，其他全靠假设，那之前那些综合分排名的意义就得重新算。修正后掉 6 到 15 分，幅度不小，天花板设错对总分影响很大。以后看排行榜先翻一眼人类基线是怎么来的，没实测数据的当参考值看就行。
