程序员自制开源 AI 评分工具，衡量大模型“愚蠢程度”

程序员 ionutvi 今天发布了名为 AI Benchmark Tool 的 AI 评分工具，可衡量各大 AI 模型的“愚蠢程度”，帮助代码工作者选择最准确性最佳、更具性价比的 AI 工具。

ionutvi 表示，他在使用 ChatGPT、Grok、Claude 等 AI 大模型时经常发现，有时候这些模型第一天工作正常，但第二天就会“降智”，做相同的任务时胡乱回答，有时候干脆拒绝回答相同问题，很多人认为这只是自己的问题，但这实际上官方有意降低了模型的性能，毕竟 Anthropic 官方就承认过这个问题。

因此他制作了这款 AI 评分工具，它可以自动在多款大模型运行 140 项编程、调试和优化任务，从准确性、拒绝回答率、回答时间、稳定性等方面衡量 AI 模型的“愚蠢程度”，并根据评分自动排名。

并且这名开发者还结合了各家的 AI 模型的价格综合评比，让用户知道每款模型的使用成本，有的 AI 模型看起来很便宜，但可能需要迭代 10 次才能得到能用的答案；而有的模型虽然价格比较高，但只要迭代两三次就能得到能用的版本，这种情况下稍贵的那款模型性价比就更高。