o3-mini-high

xAI发布的Grok3基准测试结果引发争议，OpenAI质疑其未包含“cons@64”数据，导致模型表现被高估。双方争论暴露了AI基准测试的局限性与评分机制的复杂性，同时也引发了对计算成本等关键指标的...