模型发布越来越频繁，榜单分数越来越高，但「这些模型究竟进步了多少、能创造多少价值」越来越难回答。a16z 这场对谈里，Vals 联合创始人 Rayan 举了个案例：Llama 4 在主要公开 Benchmark 上亮眼，保密测试中却低于预期。 模型发布越来越频繁，排行榜上的分数也越来越高，但一个更基本的问题正在变得难以回答：这些模型究竟进步了多少，又能在真实工作中创造多少价值？...
模型发布越来越频繁，榜单分数越来越高，但「这些模型究竟进步了多少、能创造多少价值」越来越难回答。a16z 这场对谈里，Vals 联合创始人 Rayan 举了个案例：Llama 4 在主要公开 Benchmark 上亮眼，保密测试中却低于预期。 模型发布越来越频繁，排行榜上的分数也越来越高，但一个更基本的问题正在变得难以回答：这些模型究竟进步了多少，又能在真实工作中创造多少价值？...