感觉这个人工评分太不靠谱了，最好是没有公开测试数据集的，LiveBench 本来不错，但最近更新太慢了，而且有些模型也没有
livebench,livecodebench
@MeoQ #1 LiveBench 现在有点拉了，特别是国产模型更新太慢，有的干脆不更新，比如 GLM-4.6，Kimi 0905
livebench,livecodebench
@MeoQ #1 LiveBench 现在有点拉了，特别是国产模型更新太慢，有的干脆不更新，比如 GLM-4.6，Kimi 0905