公司内自己练了一个大模型（参数量很大），该如何测试他的能力？

问题描述：

RT 开发者自称媲美opus 4.6，该如何揭穿他？

网友解答：

---

--【壹】--：

我让gpt 5.4 thinking生成了一套题库，看起来很像样，但是跑起来正确率太高，我总感觉gpt生成的题库是他训练数据里的，我司的模型好像也训练过了…

---

--【贰】--：

真金不怕火炼，是骡子是马佬友分分钟出鉴定报告！真要媲美opus4.6那就发财了！

---

--【叁】--：

就算刷分刷完了，测评出来的结果也是有参考性的。 肯定干不过opus4.6

---

--【肆】--：

这个真不行…..反代出来我直接毕业了…..

---

--【伍】--：

放出来给佬友跑一跑，能得到佬友们的认可就够了

---

--【陆】--：

向公司申请下，开个限制，随意取个模型名称就ok了

---

--【柒】--：

跑跑测试集之类，看看跑出来的性能怎么样。