对比测试

Codex11月5日

新模型总被说「降智」：是模型退化还是上下文污染，怎么自己验证

围绕「新版 Codex 模型不如上一代」的争论，拆解感受差异的常见来源：上下文压缩残留、会话污染、采样随机性、套餐与路由差异，以及「问模型版本」这种不可靠取证方式。给出一套可落地的轻量对比测试流程与日常使用检查清单，帮助把主观感受变成可复现的判断。