我昨天透過早期訪問使用了 Gemini 3。幾個想法 - 首先，我通常會對公共基準保持謹慎，因為在我看來，它們很可能被操控。這取決於團隊的紀律和自我克制（同時他們的激勵措施強烈相反），以避免通過對測試集相鄰數據的複雜操作來過度擬合測試集。實際上，因為其他人都在這樣做，這種壓力是很大的。 去和模型對話。和其他模型對話（騎上 LLM 循環 - 每天使用不同的 LLM）。我昨天對個性、寫作、氛圍編碼、幽默等方面有了積極的早期印象，顯示出非常穩定的日常使用潛力，顯然是一個一級 LLM，恭喜團隊！ 在接下來的幾天/幾週裡，我最感興趣並在尋找一個針對私人評估的集成，現在很多人/組織似乎都在為自己構建這個，並偶爾在這裡報告。