Mỗi lần mô hình ngôn ngữ do nội địa phát hành cái gì đó, đều là Arena mang ra chấm điểm benchmark, rồi chính là kiểu “đè bẹp” Claude, GPT như kinh điển. Có phải lần nào cũng thế không? Hoặc là điểm benchmark cho phần front-end, hoặc là điểm benchmark cho một nhiệm vụ chuyên biệt. Tóm lại cứ mỗi lần công bố là y như muốn tạo tin tức lớn vậy.

Ban đầu tôi còn cố tình đi thử, kiểm tra xem sao. Sau đó thì tôi lười thử luôn, vì giống như hồi trước các hãng trong nước cứ động là benchmark rồi “treo” Apple—có ích gì đâu chứ… Arena cũng chỉ là “thu tiền làm việc”, xem cho vui thôi. Để đó dùng sẵn Fable Sol, hoặc bỏ qua Sota thì không dùng, lại đi dùng model khác thì đúng là lãng phí thời gian.