从Alpha Arena到UP主出题：AI评测为什么都在下场？

随着GPT-6发布，人类进入AGI时代。根据OpenAI 官方资料，GPT-6 Astra已经开始向部分企业开放，API以及Plus、Pro、Business和 Enterprise 用户会在随后数日陆续获得使用权限。

随着GPT-6发布，人类进入AGI时代。根据OpenAI 官方资料，GPT-6 Astra已经开始向部分企业开放，API以及Plus、Pro、Business和 Enterprise 用户会在随后数日陆续获得使用权限。它拥有105万 Token上下文和12.8万Token 最大输出，支持网页搜索、文件处理、代码、计算机操作、MCP、Skills与多 Agent协作真正的变化，是AI开始完成整项工作。

过去的大模型更像是一个顾问：你来问问题，它给一段答案；后面的工作仍然由人完成。GPT-6强调的却是“端到端工作”。它可以进入浏览器和专业软件，调用不同工具，持续推进多步骤任务，最后交付文档、表格、程序或研究成果。新增的异步工具调用，还让它在等待一个工具时继续处理其他环节；任务进行到一半，用户也可以补充要求、修正方向，不必全部推倒重来。光是这一点就让无数的创作者和企业心动不已。

为什么评测都开始下场？我想主要是这几点：

一、是行业自己不太信跑分了。纸面分数和真实任务之间隔着一条鸿沟，静态基准越来越难回答"这个模型到底能不能用"。

二、是模型的活儿变了。现在的模型不只会聊天，还会调工具、跑流程、执行多步任务，这些能力只有放进真实场景里才测得出真假。

三、是评测本身成了注意力生意。UP 主出题是内容，全民盲测是参与感，谁的下场姿势更真实，谁就更能赢得开发者的信任。

但“下场评测”也会带来新的问题，任务越接近真实世界，往往就越难做到绝对公平。同一道题换一个提示词、换一套工具，甚至换一种评分标准，结果都可能不同。最后比的到底是模型本身，还是模型加上提示词、工具链和操作策略，这件事其实还挺值得讨论多。

b站的无限竞技场榜单，不看跑分而是全民参与实测，更精准的理解语境，目前来看想法挺好的，可以持续关注一下，最重要的还是要有更多有价值的主题出现。

本文地址：https://www.feitianyingye.com/2026/0917/6114.shtml