artifical analysis最近又更新榜单的计算方式了，最新排名如下： 更新之前chatgpt 和 claude 的前沿模型是有巨大分差的，更新之后只差了一分了。 模型本身的能力没有多大改变，但是aa改变了评价模型的方式，计算出来的分值就出现了巨大的变化。并且aa很常做这种更新。还记得astra刚出的那会和fable差距很大，aa连着更新了几次计算方式，把astra 和 fable的分数拉到了近似的水平。。 aa这种’不稳定‘的榜单很难让人比较信服。 另外到现在aa的官网上还挂着一点参考价值都没有的end…