我记得这个评测刚出来的时候主打的就是接近真实体验，数据尚未进入各大模型的训练集中。但是现在新出的模型评分越刷越高，甚至Flash级别的模型都取得了可观的成绩，不由得让人怀疑是不是被针对训练了。 
比如现在霸榜的是Gemini 3.8 Flash 🤔