作者抱怨每天花两小时刷X只能看到别人嚼烂的AI二手信息，提出应该直接关注一手信息渠道。文章推荐了7个AI信息源：AI News（每日AI社区动态汇总）、The Batch（吴恩达团队AI周报）、Hugging Face Papers（社区热门论文）、alphaXiv（论文讨论区）、arXiv（一手论文源）、LMArena（大模型真人盲测平台）、Artificial Analysis（模型质量速度价格对比工具）。作者强调信息差的关键在于是否蹲守源头，而非知道多少。
文章批判当前 AI 基准测试被过度优化的现象（benchmaxxing）。作者指出，当公共评测与巨额关注和资金挂钩时，实验室会通过训练相似数据、筛选上百个实验设置等方式变相刷分，基准测试随之失去了衡量通用智能的意义。文中列举了 Meta Llama 4 在 LMArena 测试多个私有变体、评测机构随舆论反复修改指数、厂商选择性引用榜单等案例，并指出 MMLU、GPQA 等基准早已失真。作者呼吁实验室诚实披露数据缺陷、用户自行做私有评测，并宣布 TypeSafe 将不在模型发布中提供标准基准表，以追求最大程度的诚实。
本文基于 LMArena 最新文本排行榜更新，探讨了文心 5.1 Preview 凭借 1476 分拿下国内第一、全球第 13 的成绩。作者分析了为何在 DeepSeek V4 和 GPT-5.5 主导的时代，文本能力依然是大模型代码生成与逻辑推理的“基本盘”。文章指出文心通过「多维弹性预训练」技术实现了高性价比与高性能，验证了夯实文本底座的重要性。
