感觉好像大多数人觉得的模型降智都是凭感觉

东西没有什么创新，一直在收割客户。GPT做的像坨屎也不去优化客户端。

有的佬，有个叫codex雷达的地方，专门做测试题

有个网站做了codex的智力测试，还可以众测呢

codexradar.com

Codex 雷达

有：

marginlab.ai

Codex gpt-5.6-sol Performance Tracker | Marginlab

Track Codex with gpt-5.6-sol on SWE-Bench-Pro. Monitor for degradation with statistical significance testing.

但它的测试点可能不太够，置信区间宽了一些，如果测出来降智肯定是降，但没有测出来未必没降

不过总的来说肯定还是比感觉靠谱的

（帖子已被作者删除）

感觉就够了吧ai是工具我还得给工具造检测的工具何必呐 就算真检测出来 也是没法改变的 ^-^

模型的能力不一定在变化，但供应商调节参数会导致模型的行为发生显著变化。

后者的体感会非常明显，并且打破原有工作流程，然后就被笼统归为降智了。

Tibo 雷达笑死我了

感觉远比题目靠谱吧，题目还能应试，感觉没法造假

至于感觉偏差直接看是否是个例就行了，如果很多人都觉得降智，那大概率确实降智了。

这个网站只能gpt模型吗, 要是能其他模型就好了

比如还有个点，就是感觉上降智了，实际可能是网络环境、账户风控、对接的中转站搞鬼了等，然后你上网上一说咋模型降智了啊，就容易误导

降不降智的不清楚，但速度是慢了很多。