误差范围是“几乎相同”的标记
误差范围是指测得的值的差小到可以用偶然的波动来解释，无法断定高低的状态。在按用途选择的页面上，与较便宜的模型的评价差距在误差范围内的行，会加上 △。带 △ 的行，意思是价格更高而评价几乎相同。评价差不多的话，选表里最便宜的那行就好。
每个基准测试的页面也是同样的思路：给数值附上 ± 的幅度，把差距在误差范围内的模型归入同一个名次范围。名次不是 1 个数而是以幅度显示，就是这个原因。
差距为什么会波动
基准测试的题目只是从所有可能的题目中选出的一部分。题目越少，分数越会随碰巧放进了多少擅长的题目而变动。这与同一个人参加 2 次同类考试分数不同，是同样性质的波动。2024 年一篇讨论评测统计的论文建议，把评测当作实验来处理，2 个模型的差也要附上波动的幅度来表示。
人类评价也一样，票数越少的模型，分数的 ± 幅度越宽。也有减小波动的做法，Epoch AI 就让模型多次解同样的题目再取平均。
不看有无 △，而看差距的大小
误差范围之内与之外，并不是按清楚的界线分开的。差距只是稍稍超出幅度的话，只能算“大概更高”，重新测量也可能互换。反过来，即使在幅度之内，差也不一定是零。差距有幅度的好几倍时，可以看作确实的差距。不要只凭有无 △ 来决定，把差距的大小和价格的差一起看，就能减少选错。