量子位
·
卡帕西大模型横评方法太好玩！四大AI匿名参赛评分，最强出乎意料
💡
原文中文，约1600字，阅读约需4分钟。
📝
内容提要
卡帕西推出了“大模型议会”web app，多个大模型通过OpenRouter共同回答问题并互相评分，最终由主席模型给出统一答案。评估结果显示，GPT-5.1最强，Claude最弱，模型间愿意承认不足。这种多模型集成可能成为未来LLM产品的突破点。
🎯
关键要点
- 卡帕西推出了“大模型议会”web app，多个大模型通过OpenRouter共同回答问题。
- 模型不仅会一起答题，还会互相评分，最终由主席模型给出统一答案。
- 评估结果显示，GPT-5.1被认为是最强模型，Claude被认为是最弱模型。
- 模型之间愿意承认自己的不足，显示出较少的偏见。
- 这种多模型集成可能成为未来LLM产品的突破点。
❓
延伸问答
卡帕西的大模型议会是如何工作的？
大模型议会通过OpenRouter调用多个大模型同时回答问题，模型互相评分，最后由主席模型汇总给出统一答案。
在卡帕西的评估中，哪个模型被认为是最强的？
评估结果显示，GPT-5.1被认为是最强模型。
大模型之间是如何进行互评的？
大模型在匿名的情况下互相评估其他模型的回答质量，并给出评分和理由。
卡帕西认为多模型集成有什么潜力？
卡帕西认为多模型集成可能成为未来LLM产品的突破点，具有巨大的可探索空间。
Claude模型在评估中表现如何？
Claude被认为是最弱模型，其答案过于简略。
卡帕西对GPT-5.1的评价是什么？
卡帕西认为GPT-5.1内容丰富但结构不够紧凑。
➡️
