首先是这个模型真的不太擅长写代码（图 2 是 GPT4，图 3 和 4 是 GPT4o），这个和之前测试 OpenAI 以及 EarlyAccess 结果基本一致。然后正因为不擅长，他也很少会在对话场景中乱输出代码，反而把一些对话内容治服了，拿了前所未有的高分

另外一个对照是正好我们的 PromptRange 记录了所有打靶数据，今天测试下来 4o 比 4 在这个环节要快一倍甚至两倍，但是纵向对比 4 的速度，比 19 号慢了 50% 以上，这个已经失去对比的参考系了。

另外 4o 在视频流的处理上（今天我们实验室看了一下原理，本质上还是需要转图片），确实还不错，期待有更多应用可以用上。