GPT-5在钟面测试中表现不稳定，有成功也有失败

有趣——我确实看到模型也有成功的时候，在全面运行API之前，通过UI稍微尝试了GPT-5，结果也是有输有赢，但输得多一些。通常，模型在需要高精度的时钟任务上更难（比如没有刻度的时钟和简单指针位置的任务成功率较高）。这里有一个公共数据集样本，如果你有兴趣进一步测试：https://t.co/W5jX2R3uTP