这里不讨论绝对智商，就说人类体感，就textarena那种测试方法 我会有这个问题是因为它上面gpt模型的排名实在是低的有点过头了，而且openai多次表示自家chat上用的模型和work/codex里用的同名模型实际上不是完全同一个模型，chat模型针对chat特调过，且没有api之类的提供，因此也就无法被跑分网站测试 🫪