这期有一张涨得很吓人的曲线：一道专门设计成「人觉得简单、AI 觉得很难」的题，主流模型整整趴在 5% 以下大半年，从年中开始一路冲到 40、50 分。
有人列了一批例子，说 AI 正在席卷地边摊。第一个是 AI 调香：报上你的名字和 MBTI，它给你调一款「适合你」的香。纯粹的情绪价值，但吸引力是真的。去电商平台搜一下，确实有专门做这个的，还自己做了 App——把 MBTI 和偏好扔进去，后面大概率就是跑一遍模型，出一个几种香的配比。
准不准根本不重要，买个开心就行。
另一个是 AI 手串。这个领域的特点是：一，很赚钱；二，极其不透明——每颗珠子到底值多少钱，没有任何市场参考价，怎么搭配、配方怎么讲究，也全靠说法。这种「定价靠叙事」的行业，恰恰是最容易被 AI 生成的叙事接管的。
这套评测的思路是：给你左边一个图和它的答案，再给你一个新图，问答案是什么，本质是智力测试题。宗旨就是「对人相对简单，对 AI 很难」。
曲线是这样的：今年年中以前，主流模型基本都趴在 10% 以下，很多在 5% 以下。从年中开始猛涨——两周前发的一个版本拉到三十几分、接近 40；另一个拉到 40 出头、45；还有号称能到接近 50 的。
升级版的题上，最高跑到了 52.9 分。
涨得太快，直接产生了连锁反应：据说有个版本本来还想再往后推一推，是被这张榜逼着提前发的。
硬件侧：H200 的出口被放开。
效率侧：推理效率被单独拎出来讲——同代模型之间，效能差距在变大而不是变小。
提示词侧：有研究发现，「你是某某领域专家」这类人设提示词，在困难的事实性问题上并不能提升准确率。这是个挺反直觉、但对日常用法很有用的结论。