最近看到大家都在吐槽 codex降智了，今天刚好在github 上看到有个项目批量测试一道糖果数学题，并统计 reasoning tokens 与正确率。贴一下我的结果，我的测出来是没有降智，也不知靠谱不，有懂的佬不 
 [image]