谨慎看待 C***x 雷达的测试结果

最难绷的是众包跑的。。。那跑的人被降智怎么办

同意，实际表现和榜上的智力完全不一样，luna-max 用起来又慢又不好用，无法处理复杂需求。

luna max高强度用了两天了，除了慢没啥问题，真香

怎么说呢，codex套餐内还没有降智的先例吧。又不是用web测试的。

其实标准是自己的体感，现在的Terra xhigh的确就是降智，用雷达就是想大概了解不同模型当前是否降智而已，不降智的情况下官方的分级是对的，但是问题是现在GPT自己也说有人滥用极高思考导致官方自己降了一点智，所以才催生出雷达

和deepseek flash一样的，用长思维链换执行能力

问题在于这种小模型的tps不该这么低，纯纯是被OpenAI限制了

依旧不建议用它干任何需要用脑子的事

它就适合干目标明确的任务

Sol当主代理分发协调任务+luna干活属于不错的组合

没毛病，只能说可以拿来做参考而不能做标杆，这确实可以看模型智商趋势，实际用起来luna在长任务里毛病总比sol多，反而多返工了

最难绷的是众包跑的。。。

众包的并不是一个人吧^-^^-^^-^

我可能表达的不太准确，我重新说一下

就是：

OpenAI不是那种像grok那样那么彻底的降智。他可能是新的checkpoint或者说是新的量化版本，亦或者是单纯降低了think token的数量等等。他不是网页端那种，你用的是5.6Sol，结果给你路由到5.5-mini的场景

你当然可以指责说，要是测试的人被降智了，其他人没降智呢？但是反之也是同理的，要是其他的人被降智了，就你没降呢。中心化和去中心化的优势和劣势本身就是一体两面，更何况，这个测试人数基本都有50人以上，这个参数量是具有统计学意义的。

luna max如果真的强于sol high，奥特曼就会给它改名叫sol端上来，我是不信奥特曼这个发明了模型路由的孙子会给你爽用强模型的

还是那句话，模型分级是人家为了区分价格才分的，越级这种事等同于砸自己饭碗，奥特曼刀法再不精湛会干出这种事吗

而且我说白了我试了一下，照着文档写简单输入输出脚本都写不明白，你指望它能干什么，也就做那种饭都端到脸上来，照着输出成代码呗

是呀，要是一个人长期稳定跑，那还可以

对，就是这种新的checkpoint，新的量化版本，或者限制了thinking token的数量。这种的话就会影响它的排行榜分数

看起来这个降智雷达像是跑的DeepSWE？我也不知道

尤其是限制了thinking token，会导致很多很多排行榜上分数大大下降

（帖子已被作者删除）

sol-max做需求设计出文档和验收点

luna-max写代码

sol-max审核luna写的代码

当然,要是token富裕,全程sol-max就行了

全程sol-max速度和质量，未必有sol-meduim好其实，频繁压缩，过度思考，导致执行着执行着就歪了。。。（luna max同理）

个人大量实践下来sol-max想方案和验收，sol-meduim执行，小步快跑，交付的结果是时间和质量综合下来最好的体验。（哪怕不考虑token）

luna max用了快一周了吧，free号跑的，真的就除了慢，没啥毛病啊，现在deepseek干粗活。luna max指挥，效率更快点

luna-max只能做简单任务，没法替代sol，一个简单功能，返工四五遍得不到一个好的结果，有时候觉得还不如用5.5

我直接梭哈 sol

默认 sol xhigh

sol max 做方案和 review 和解决 sol xhigh 处理不了的问题

子代理默认 sol medium

Hermes 倒是用的 luna max