2. Linux.do
  3. GPT-5.6 全系列糖果问题测试

GPT-5.6 全系列糖果问题测试

Hao 2026-07-10 03:04 1

gpt-5.6-sol


sol 所有 effort levels 都能正确回答糖果问题，推理长度和 effort level 明显相关



gpt-5.6-terra


terra 仅 ultra 和 max 能正确回答糖果问题，其余 levels 推理长度严重退化，不能正确回答



gpt-5.6-luna


luna 所有 effort levels 都不能正确回答糖果问题，并且出现 516 现象



糖果问题


不使用任何外部工具回答以下问题：



在一个黑色的袋子里放有三种口味的糖果，每种糖果有两种不同的形状（圆形和五角星形，不同的形状靠手感可以分辨）。现已知不同口味的糖和不同形状的数量统计如下表。参赛者需要在活动前决定摸出的糖果数目，那么，最少取出多少个糖果才能保证手中同时拥有不同形状的苹果味和桃子味的糖？（同时手中有圆形苹果味匹配五角星桃子味糖果，或者有圆形桃子味匹配五角星苹果味糖果都满足要求）



        苹果味  桃子味  西瓜味

圆形       7      9      8

五角星形   7      6      4

测试脚本



本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

我的帖子已经打上 开源推广 标签： 是
我的开源项目完整开源，无未开源部分： 是
我的开源项目已链接认可 LINUX DO 社区： 是
我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

前天发起了…
最新回复 (9)
  • Hao 楼主 07-10 03:10
    1楼

    terra 从 max 切换到 xhigh 推理能力陡降，非常不正常。并且重复测试会复现 516 降智。怎么感觉 terra xhigh 有 gpt-5.5 的影子，好可怕……



    换了一个 PLUS 账户测试，terra xhigh 还是退化严重



    看这个测试结果，感觉 terra xhigh/high/medium/low 完全不能用啊

  • makabazi 07-10 03:14
    2楼

    我用github下载的最新版。出现了


    /桌面/codex-candy-eval# python3 codex_candy_eval.py -m gpt-5.6-terra -r max -n 5
    
Run  Codex                                In Tok  Out Tok  Reason Tok  Time(s)  TPS  OK
    
---  -----------------------------------  ------  -------  ----------  -------  ---  --
    
  1  ERROR: Reading prompt from stdin...       -        -           -        -    -  -

    这个问题不知道为什么。ubuntu codex cli

  • Hao 楼主 07-10 03:18
    3楼

    我没有碰到过类似问题，你可以先看看直接启动 codex 能不能正常使用。


    可能脚本有问题，可以让 codex 自己帮你 debug 一下。

    因为我无法复现，所以也想不到问题是什么。 ^-^

  • yhkun 07-10 03:29
    4楼

    先生，测一次，要花不少 Token 呢。

  • microsoft2333 07-10 03:29
    5楼

    奥特曼不要这样啊，这也太可怕了呀^-^

  • xzcccc 07-10 03:32
    6楼

    谢谢你一直关注，我最近都没有用5.5去完成任务了，都是跑的glm5.2,降智太严重了

  • Hao 楼主 07-10 03:33
    7楼

    哈哈，确实，不过很可能晚些时候奥特曼就为所有订阅用户重置限额了呢

  • makabazi 07-10 03:37
    8楼

    （帖子已被作者删除）

  • Martini 07-10 03:38
    9楼

    直接 sol ultra 一路干到底～

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐