27分涨到98

各家大模型纷纷卷起上下文窗口，Llama-1时标配还是2k，现在不超过100k的已经不好意思出门了。然鹅一项极限测试却发现，大部分人用法都不对，没发挥出AI应有的实力。AI真的能从几十万字中准确找到关键事实吗?颜色越红代表AI犯的错越多。默认情况下，GPT-4-128k和最新发布的Claude2.1-200k成绩都不太理想。