奥特曼庆功的话音刚落，Gemini-Exp-1121 杀出来，又把第一名抢走了。 谷歌工程师还顺带嘲讽了一波： 位次的变化实在太快，让人有点恍惚了。难道接下来，大模型迭代要以「周」为单位了吗？ 狂卷基准测试，真有意义吗？ 有人猜测，莫非这就是谷歌逐渐过渡到 Gemini 2 的发布方式？但这种可能性不大，因为最近的两个模型版本都还达不到「次世代」的水准。再加上又有传言，各家在训练阶段的 Scaling Law 上都遇到了一些瓶颈，提升模型能力的希望更多转向了后训练阶段。我们最终看到的下一代大模型，或许和目前的技术路线大不相同。…