讨论模型和工具在真实工作一个月后的留存情况。
推荐理由：该帖价值不在单个模型结论，而在用“一个月后仍在栈里”过滤首日评测噪声；对模型选型而言，持续使用信号比一次性prompt成绩更接近生产效用。
阅读原文