大模型榜单能信多少：业务题和公开分数对不上

立项材料里附了三份公开跑分表，表上的排名看起来相当漂亮。可排在第一名的那个模型，在抽取超时默认值这道题上，JSON 内容前面又习惯性地加了一句"好的，如下："——解析服务遇到这种格式直接就崩了。崩溃发生在某个星期二，恰好是刚换上榜单冠军模型回来上线之后没多久。公开榜单终究是别人出的题，别人的题替代不了你们自己业务里那。