REASONING / 逻辑推理
一袋糖果，最少取几颗？
六类糖果各有 5 颗，判断取得多少颗后，必然出现指定的异形苹果味与桃子味组合。
最终答案 21 才算通过
TOKEN RESEARCH / OBSERVATORY
ChatGPT 不降质分组
实时智力观测。
逻辑推理 · 模型归因 · 动画生成
这里是 Token Research 为「ChatGPT 不降质分组」设立的公开观测台。以每 10 分钟一轮的节奏，通过糖果推理题与 SVG 骑行动画题两项测试，观察回答与生成质量。结果公开，直接查看，无需填写 API Key。
数据来源正在读取已导入的测试档案。未接入监测服务前，不显示虚构的实时状态。
测试题目与判定标准
CREATION / 图形与动画
让马斯克，骑起自行车。
创建一个 HTML，用 SVG 绘制马斯克骑自行车的 2D 动画。新生成使用此题目，历史鹈鹕结果仍按原题目展示。
查看原始 HTML ↗
01 / CANDY ASSAY
糖果题光谱
样本回答通过率—
通过 / 有效回答—
未通过—
请求失败—
每格合并半小时内的实际测试，点击查看原始回答；无记录时段不占格。
通过未通过混合结果请求失败检测中
等待数据响应耗时与统计详情 —
糖果仍每 10 分钟测试一次；每列两小时、最多四格，每格汇总半小时内的记录。
MODELTRACE / ATTRIBUTION
模型归因概率
候选库内的相似性归因，不是模型身份认证。分组可能调度不同账号，三次请求不保证来自同一账号。
| 请求模型 | 最新状态 | 最相似候选 | 候选概率 | 请求模型概率 | 测试时间 |
|---|
测试方法与概率口径
采用 ModelTrace 原始挑战、算法和 16 模型指纹库。每次要求直接选择 292–332 个 1–355 的整数，禁止工具。三份有效回答分别评分后平均，以对应校准温度进行全局 softmax；家族概率为其模型概率之和。概率只在候选库内成立，未收录模型也会被归到已有候选。系统提示、推理设置和路由差异可能影响结果。每个挑战遇到临时错误或样本不完整时，最多补试两次；保留每次尝试记录，只按有效性选择回答，不按预测结果筛选。重试后仍不足三份有效回答时不发布概率。
ModelTrace 源项目 ↗02 / SVG BICYCLE
SVG 骑行绘图
按题目版本查看每次生成：新题目为马斯克骑自行车，历史鹈鹕产物继续保留。点击即可放大观看原始 HTML 动画。
这个筛选条件下没有记录。未复核的产物不会被自动判为通过或降质。
样本来源与复核说明
原始动画在隔离预览中显示。能够渲染、画面会动，不等于画面质量通过；不以单次输出判断完整模型能力。
统计口径与测试方式
READING THE SIGNAL
如何读懂这些结果？
只看最终答案
糖果题最终答案为 21 才通过。最终答案不是 21，或没有明确答案，均记为未通过。推导中提到 21 不算通过。
请求失败，单独记录
通过率 = 通过次数 ÷ 有效回答次数。请求失败不进入回答通过率分母。同格同时出现通过和未通过时显示“混合结果”，并保留每条原始记录供查看。
两道题，独立请求
监测方案为每 10 分钟发起两项独立测试，不沿用上一轮对话。糖果题禁用外部工具，SVG 骑行绘图保留题目版本；历史档案与在线数据分开标记。