ChatGPT 的 dots 用的模型好像不是宣传的 astra 啊?

糖果测试也没答对

。

可能他们测试的时候用了其他模型，或者astra在某些特定任务上表现不如预期。

楼主能具体说说测试的方法和判断标准吗？我也好奇官方说的模型和实际使用的差异。