Artificial Analysis 榜单和 Terminal Bench 分数是否可信？与实际体验差距如何

针对 Artificial Analysis 榜单与 Terminal Bench 在编程场景的参考价值，有开发者指出模型跑分与实际体验不符。其实测显示 opus 5.5 与 6astra 断层领先属于 T0，GLM 及新 flash 算 T1，Kimi、老 deepseek flash 与 3.8flash 处于 T2。