再也不相信中转站所谓满血pro号池了🌐 链接:

本人刚好重试LLM agent可靠性方面的科研工作，一直用GPT5.4mini、gpt5.5作为实验对象来研究可靠性评估方法，做了一套题库。之前在gpt-5.4-mini上测试1140次（114task10trial，即114题，每题重复测10次），成功率稳定在45%（每trail±3%）。 前两天5x额度用完了，着急补实验，把站里最近推广最多的自称满血/纯血pro的3家富可敌国都冲了100块，结果同样的题库task，成功率只有5-15%。 我以为GPT这两天降智的缘故，先暂停了实验。等到今天我pr…