标题：AI竞技场，归根到底只是一门生意 正文： “XX发布最强开源大模型，多项基准测试全面超越XX等闭源模型！” “万亿参数开源模型XX强势登顶全球开源模型榜首！” “国产之光！XX模型在中文评测榜单拿下第一！” 类似的新闻是否刷屏了你的社交圈？今天这个模型夺冠，明天那个模型称王。评论区里有...

6月23日，AI初创公司Yupp正式推出“人工评测系统”，用户可免费体验并评测ChatGPT、Claude、Gemini等超500款AI大语言模型。Yupp计划通过收集用户反馈构建Yupp AI VIBE排行榜，直观呈现各模型性能。平台新注册用户初始有5000积分，用于调用AI模型。用户提问后，系统会随机匹配两个模型作答，并要求用户对比评价。完成评价后，用户将获得额外积分。此外，平台支持自定义模型对比，每次最多接入6个模型。若用户不提供反馈，其权限可能受限。Yupp由X平台前员工创立，目标是低成本推动AI模型优化。

5月28日，权威机构SuperCLUE发布的《中文大模型基准测评2025年5月报告》显示，豆包1.5（Doubao-1.5-thinking-pro）和商汤日日新V6（SenseNova-V6 Reasoner）在国内大模型测评中并列第一，超越Gemini 2.5 Flash Preview。该测评涵盖六大任务，总计1579道多轮简答题。报告指出，国产大模型在中文领域通用能力的竞争格局逐渐明朗，Doubao-1.5-thinking-pro与SenseNova V6 Reasoner表现突出。位居第二梯队的包括DeepSeek-R1、NebulaCoder-V6、Hunyuan-T1及DeepSeek-V3。SuperCLUE作为行业权威测评基准，其报告反映了国内外大模型技术差距的逐步缩小。

近日，AI大模型排行榜LMArena被曝出可能存在作弊刷分行为，多家机构联合发表论文指控少数大厂利用漏洞操纵排名。论文指出，Meta等公司在测试阶段筛选最优模型，导致排行榜结果失真。OpenAI创始人Andrej Karpathy也分享个人体验，质疑某些模型排名与其实际表现不符。LMArena回应称论文存在事实错误，强调其政策公开透明，并反对将预发布模型纳入排名。事件引发对榜单公信力的广泛讨论，有人建议转向新平台OpenRouterAI，以更真实反映模型性能。LMArena由高校学生发起，初衷虽佳，但随着管理权交接，透明性和公平性受到挑战。此事件发生在LMArena筹备融资之际，可能对其未来发展产生影响。

2024年8月以来，a16z更新了全球Top50 AI榜单，统计显示中国开发者在Web和App端的整体存在感增强。Web端，AI视频生成产品重新洗牌，国内产品取代硅谷产品成为主力，AI ChatBot和AI角色聊天产品亦有显著增长。App端，中国开发者的产品占近40%的位置，图像/视频相关产品最吸金。视频生成赛道竞争激烈，Kling、Hailuo和Sora等新晋产品表现突出，但尚未达到全面应用水平。此外，视频生成模型开始在娱乐场景中找到落地方向，但仍面临资金压力。

GPT-4.5刚登顶竞技场6小时后被马斯克的Grok-3以总分1412:1411逆袭，仅差一分。Grok-3在总体带风格控制和困难提示词带风格控制方面略胜一筹。DeepSeek-R1总分第六，数学和困难提示词带风格控制分项与GPT-4.5并列第一。有用户质疑6小时内的巨大变化，解释称这与投票门槛有关。GPT-4.5口碑逐渐改善，用户开始称赞其情商，并且有人请求官方承诺不会下架该模型。此外，GPT-4.5还在一个类似大模型狼人杀的另类榜单上表现出色，各方面均领先于人类。

钛媒体与火石创造、京东集团联合发布的《中国人工智能城市竞争力排行研究报告》揭示了中国人工智能发展的最新趋势。报告显示，北京人工智能综合实力最强，呈现金字塔型分布，中西部城市如西安、成都等崭露头角。一线城市如北京、上海、深圳凭借技术、应用场景和产业优势位列前三。报告强调了人工智能需求增长、头部城市带动效应、场景驱动和数字化发展的重要性。西安和杭州凭借高校资源、政策支持和先发优势各有特色。尽管短期内城市间差距可能扩大，但中长期看，技术扩散将推动差距缩小。各地政府正在从土地财政转向产业财政，第二波政策有望更具针对性。报告建议城市结合本地产业，通过差异化发展和产业链协作实现共赢。