开源AI模型Reflection 70B被指造假，其在基准测试中的成绩无法复现。质疑声指出Reflection 70B可能是在基础测试集上训练的，能力不足。AI榜单的可信度受到质疑，大模型考试的排名焦虑被传递给AI。基准测试的隐患包括数据泄露和作弊。基准测试的可信度需要提高，竞技场模式和用户投票可以作为参考。AI模型的选择应该基于实际需求和实践。