跑高分不等于能交付：AI排行榜经历信用重估

钛媒体作者 Alter 分析指出，BenchLM 追踪的 295 个百分制基准中约 36% 已饱和，而 Surge AI 连发三份真实职场考卷把旗舰模型拉回及格线以下。