VulcanBench 發了第三輪評測的排行榜。
這輪評測的性質：全是真實的工程任務，代碼都來自真實倉庫。沒有腦筋急轉彎，沒有數學題，也沒有那種花裏胡哨的冷門架構。就是你和我每天上班乾的那些活。
這次的排行榜有個特別的地方：它沒有按"哪個模型最強"來排，而是把每個模型在所有努力檔位（effort level）下跑了一遍，然後標出哪個檔位給出的準確率最高。
爲什麼要這麼幹？因爲現在太多團隊拿到模型就無腦開 High 或者 Max，總覺得檔位拉滿準確率就一定最好。
但現實是，對大多數日常工程任務來說，這純屬浪費。你公司爲這些多燒掉的 token 錢，換來的準確率和低檔位一模一樣，只是慢了一大截。
看看這輪的結果：
Grok 4.5 High 還是榜首，90 分
Fable 5 Low 緊隨其後，89 分
DeepSeek V4-Flash Max 第三，88 分
注意，第二名是 Low 檔跑出來的，第三名是 Max 檔。同一個模型，檔位差好幾個，分數卻咬得很緊。
更有意思的是另外兩個例子：
Grok 4.6 的甜點位在 Medium，不是更高也不是更低。
而那個最近被吐槽最多的 Opus 5——你要是習慣性給它開 High，那恰恰是最差的選擇，它反而在 Low 檔表現更好。
所以這事沒那麼簡單。檔位不是越高越好，也不是越低越好，得看模型本身的特性。找到每個模型的甜點位，省下的 token 是實打實的錢。
努力很重要，但努力的方向（和檔位）更重要。
Live long and benchmark 🖖
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
