讨论模型基准测试快速饱和现象

prinz

已添加到prinzbench：GPT-5.6 Sol Pro。

正如几天前预告的那样，该模型已经饱和了我的基准测试，总得分91/99。

背景是，prinzbench包含两个问题，迄今为止测试过的模型都无法解决（其中一个需要极其彻底地 https://t.co/JlAFk84Y7W

打开互动版