大家好，我是石小石~ 最新民间AI排行榜单 长期以来，MMLU（大规模多任务语言理解）、LiveBench（实时评测基准）、GPQA（研究生级别物理问答数据集）这类大模型 Benchmark（评测基准）的跑分，一直被社区视作衡量大模型实力的重要参考。但跑分亮眼，就代表模型在实际使用场景里同样强大吗？答案其实未必。 最近， B 站不少 UP 主通过用各类贴近现实、条件更苛刻的场景对大模型“整活” 式测试 ，一份民间 AI 能力排行新鲜出炉。榜单里 GPT‑6 Astra 瑶瑶领先，GML‑5.3 紧随其后，而…