这种营销宣传几乎没有成本，你就算提到200刀，500刀，限时24h，往死了用又能用多少呢？再叠加周限和5h限额，绝大多数用户根本感知不到

这东西的能力应该相对更容易评估吧，只能做判断题和选择题，不过感觉可用的 benchmark较少，可能需要在现有 benchmark上微调一下

没毛病啊，ultra的思考强度就是和max一样，只不过是多agent并行处理。问题在于，什么样的任务真的需要并行？不适合并行的项目，ultra和max拉不开差距太正常了。

  ![图片](ht