# 一份追踪30张模型卡片的排行榜，看前沿实验室到底报告了哪些基准

> 原标题：I checked 30 frontier model cards. Here are the benchmarks labs report

- 来源：Hacker News 首页
- 发布时间：2026-08-16T04:02:38.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/50943
- 原文：https://koutian.is-a.dev/benchmark-radar/?view=leaderboard

## 摘要

这个项目扫了11家机构的30张模型卡片，统计了79个基准被提及的次数，衡量的是厂商的关注度，不是基准本身好不好。MATH-500和Arena-Hard的分数快摸到天花板了，区分力在下降。DeepSeek自家的模型在26天内，AIME涨了40.6分，LiveCodeBench涨了25.4分。

## 推荐理由

该项目统计11家机构30张模型卡片中79个基准的提及次数，衡量厂商关注度而非基准质量，并给出MATH-500与Arena-Hard接近饱和、DeepSeek模型26天内AIME涨40.6分的数字。

## 锐评

这份榜单一句话就够，它统计的是厂商爱报什么，跟模型强不强没关系。MATH-500 和 Arena-Hard 快摸到天花板，区分力在掉，这个判断我认。有意思的是 DeepSeek 26 天 AIME 涨 40.6 分、LiveCodeBench 涨 25.4 分，这种幅度要么训练真有大变化，要么就是挑着报。79 个基准被 30 张卡片提，厂商挑对自己有利的那几个写，本来就是公开的秘密。看榜的人自己心里有数，别拿它当选型依据。
