一只鹈鹕成了Agent时代的大明星

GPT-6 Astra发布后，开发者们通过’鹈鹕骑自行车’任务测试模型稳定性。此方法直观展示了模型在不同条件下的表现差异，成为监测模型波动的有效手段。CodexRadar项目发起人创建了社区众测平台，吸引了超过500名志愿者参与，累计贡献百亿级Token，共同监测模型能力波动。