跑分到底考了什麼、排行榜第一為什麼不一定好用，最後用自己的活給 AI 出一張卷子。我只打了半道考題，Claude Opus 5.5 和 GPT-6 Astra 都一字不差地接了下去，還說出這是 GSM8K 測試集的第一題。
