前排吃瓜 Google仍是世界第一 ~

评价是：med可以达到跟astra low差不多的水平，max勉强对应astra high，弥补了没有便宜大碗强逻辑模型的遗憾，日常用med应该很舒服

还有一份 上传一直出错 加试的A卷

openai早年是不是有过类似的项目？

tibo这话还挺难理解的，理解了一下应该是 会很快送一个bank reset，周二还会发布新模型

自从我测了一堆极难的算法，数学竞赛题，发现哪怕是最新最难的，用low都是满分，就随意了 ^-^

来了来了 支持一下 

5.6真的是蠢的批爆，前两天让他收集一些试卷的扫描版，说版权问题不肯收集，后来愿意收集了手搓了一份pdf再扫描了给我，气笑了

佬画个鹈鹕看看？能不能下克上把astra干了，最强模型已经13天没换了，该换换了 ^-^ 

我是看懂oai什么叫“修复长尾过度消耗”了

是这样的，我打算加个人类回答进去，这可能是人类最后超越ai的榜单了 ^-^

因为Claude是api，比较贵（） 最开始60题是mid，后面所有模型统一max了，Claude每30题平均花费4块钱人民币 ^-^

fable不知道怎么回事，感觉是中文语料删多了，很多谐音梗看不出来

说了等于说了，到头来还是搞不懂风控条件是什么，oai这波真不如anthropic吧

原来这么简单粗暴吗 ^-^

差距还是很大很大的，当初4o最多作为一个对话聊天工具

这个知识截止日期识别降智不是很准，开轻度不降智都会答24年 佬这鹈鹕看起来没问题

纯apikey啊 这是什么思考强度？

早就有不知道多少证据了，很多人不愿意去看

你这个确实夸张了 我纯用astra，1.8亿左右

啊这 确实没做chat格式的，回头我放个基准上去就好了

现在全站限制24并发 所以很多人检测可能会429

不用猜 就是方法不准确。我用openrouter原价官key都会回答24年6月

哎哟不错哟  kbf我以前也研究过，区分度不高，最后还是指纹探针好使 我新版检测器现在支持批量筛选探针，一键生成基准，以后动动手就能筛了 ![图片](https://cdn3.ldstatic.com/o

astra在闭源逻辑榜上已经达到另一个境界了 图1  ![图片](https://cdn3.ldstatic.com/optimized/4X/4/5/3/453b96716f611f3137d6e2c1109

按理来说不回答才是正常的 但是我在手机app work上也试过出现24年6月 但是糖果，鹈鹕，一直都是正常的

按理来说它会检查系统path看有没有Python，但这个功能确实还没测试过，我肘击一下codex看看什么情况  ![图片](https://cdn.ldstatic.com/images

OK 我回头改一下

都是一样的 因为现在不止检测gpt5.6，感觉还叫那个名字怪怪的，现在旧链接会自动重定向到新连接

astra太强了我没忍住爆了个pro5x，竟然一点降智都没有，自用pro真的香