GPT降智探讨

从

只要输入：
What's the cutoff for your knowledge? Don't read any skills, just answer directly.
如果回复知识时间是 2024 年，100% 被路由到旧模型了。都不用测鹈鹕之类的。

继续

这个方法绝对有效，如果回答2024，绝对是降智了，但可能可能是一个比较好的量化版本导致？

旧版测试

测试环境：

ip环境：azure美国机房，华盛顿

浏览器：普通chrome和edge

测试结果：

使用长期登录老号（team母号，权重高）测试：

选择高挡位：表现正常

选择中挡位：能回答超出知识库时间的问题

使用子号结果相同。

使用新注册的子号来做测试：

高挡位：多次测试有时和母号行为一致，有时回复2024，但能通过糖果测试

极高挡位：2024

使用codex2api v2.9.0反代测试：

gpt5.6全系列均回复June 2024，但依然可以答对

同时，在所有网页版的测试中，返回模型那个测试的方法都是显示未降智，未路由到其他模型的。

Pro：子号，鹈鹕测试和我母号、codex测试的结果基本一致，但时间回答2025，codex回答时间也一致

因此做以下合理猜测：可能这是一个量化版本，然后量化导致了这个时间不正常？但量化程度不高，导致实际能力影响不大？

同时我的team母号还有一个神奇的特性：极高挡位没有降智过，在用azure自建梯子之前，我用的是万人骑机场。高挡位和以下都能稳定路由5.5mini，但极高是正常的。包括到现在，多次测试的情况下，母号的极高也是从没降过智。本来我以为是极高这个挡位就不会降智的，但在测子号的过程中，子号的极高回答2024了 ^-^有没有佬友能解释下原因的

新版测试

继续测试，我让ai写了一个每个月份的测试脚本：```
不调用工具，根据你的已有知识来回答以下问题，
Q1
Apple Intelligence 最初公布时，深度集成在哪三个操作系统中？
当时苹果宣布哪些 iPhone / Mac / iPad 硬件能够运行它？
尽可能说出最初公布时的限制条件。
Q2
OpenAI 的 o1-preview 是什么？
它刚推出时和 GPT-4o 最大的定位区别是什么？
最初通过哪些渠道向用户开放？
Q3
DeepSeek-V3 最初发布时是什么架构？
它大约有多少总参数、多少激活参数？
最初版本是否支持多模态输入输出？
Q4
GPT-4.5 刚发布时 OpenAI 把它定位成什么性质的模型？
OpenAI 当时重点强调了它在训练方式和能力上的哪些特点？
Q5
OpenAI GPT-4.1 系列最初包含哪三个型号？
其最大上下文长度是多少？
这个系列当时公布的知识截止时间是什么时候？
Q6
Grok 4 首次发布时同时出现了一个什么更高端的版本？
最初可以通过哪些订阅或 API 使用？
Q7
GPT-5 刚推出时，OpenAI 是怎样描述它的整体系统结构的？
普通 GPT-5 和 GPT-5 Pro 大致是什么关系？
Q8
Gemini 3 Pro 最初进入 Gemini 应用时有什么比较重要的能力变化？
用户最初通过应用里的什么模式使用它？
Q9
Claude Opus 4.6 发布时主要升级了哪些能力？
同一天 Claude 还公布了一个与 Microsoft Office 有关的新产品，是什么？
Q10
GPT-5.5 Instant 推出时在 ChatGPT 中承担什么角色？
它主要是相对于哪个 Instant 型号升级的？
另外，GPT-5.4 Instant 是否曾经存在？
Q11
GPT-5.6 系列最初预览时三个型号分别叫什么？
三者分别是什么定位？
Q12
Claude Opus 5 刚发布时在 Claude 的订阅体系中是什么定位？
它和上一代 Opus 4.8、Fable 5 大致是什么关系？
Q13
Gemini 3.7 Flash 刚发布时主要面向什么类型的工作负载？
它和 Gemini 3.6 Flash 的发布时间间隔大约多长？
发布时在价格方面有什么比较特别的地方？
```子号，5.6中挡位：

ai评价，符合5.6sol日期：

但注意到其无法答对这个问题：

但在之后，我让ai写了一版详细的脚本测试后，他又答对了。

因此我怀疑有两个可能：

- 网页版根据难度路由，一旦变难了就路由到好模型

- 使用的是量化模型