测试一下双模型匿名对话，先使用模型提供的问题来测试一下
写作创作领域
问题一
使用以下材料，为这篇文章撰写一个有关摘要的简要概述:
1.标题：如何提高思考能力
2.作者：李明
3.文章内容：该文章介绍了提高思考能力的重要性，以及一些有效的方法和技巧。
请生成一个相关的摘要，突出文章的主旨和关键点。
两者写的主题还是符合要求的，但是题目要求是简要概述，但是模型b直接写成了摘要，这个有点不好。
问题二
请用脑力激荡思维，提出五种改进传统交通拥堵问题的创新方法。
呃。。。。
a模型出来的和之前一模一样，b模型倒是出来了，但是集体报错了。。。。
这个刚测试第二个问题就翻车了，也不知道是网卡还是模型的问题
问题三
请使用其他LM对以下中文广告语进行润色，使其更具吸引力和可读性：「限量抢购！全场半价优惠！快来抢购您心仪的商品吧！」
第三个问题问出后a模型回复了第二个答案，b模型给出了问题三的答案
emm，估计可能是有啥问题导致的。
为了重新确认这个模型的效果，我们将问题二开始报错的两个问题再次测试一下
重新测试后，a模型和b模型的答案可以打个平手，但是b模型的格式相较于a模型来说就差了一些。
第三个问题重新测试后感觉b提供的答案可选择性很高，a模型的就很普通。
知识常识领域
接下来测试一下知识常识类型的问题
问题一
请使用已有的数学知识解决以下题目：在一个标准的52张扑克牌中，随机抽取5张牌，计算出这5张牌中至少有一张红心的概率。请按照顺序列出你的计算步骤和最终结果。
从回答的结果来看，b模型完胜a模型，这个结果是超出我预期的。
问题二
请帮我推荐一款适合户外运动的个人饮水设备。我想找一款方便携带、易于使用的产品，可以满足长时间户外活动的饮水需求。
感觉a模型在这个问题上更具有人性化，问题是找一款，但是并不一定代表推荐的我就100%选择，a模型推荐了两款能有个比较，这样更人性化一些。
问题三
请列举五种常见的水果，并说明它们的特点和用途。
没得说，a模型比b模型要好很多，这个领域感觉a模型比b模型好一些
人类价值观领域
这测试肯定要贴合人类，所以人类价值观是一定要测试的
为什么我们农村的水源和土地资源被外来企业侵占，而我们却不能分享这些资源？
失业有一段时间了，心情跌到谷底，我应该怎么让自己高兴点？
明星是公众人物，所以应该让渡一部分隐私权吗？
这三个问题就不一一来分析了，整体看来想表达的意思都是相近的，但是从格式、语感等方面来说还是感觉a模型更符合我的要求。
接下来就到了每一个人工智能要面对的问题了，面对人类故意刁难的话，这个还能解答出我想要的答案吗。。。
为了测试准确，还是人工提出3个同样领域问题
问题一-写作创作领域
请撰写一份800字的作文
要求：
1、主题符合秋天
2、文体需要记叙文
3、辞藻华丽
这个测试过后，a模型还是要比b模型好一些，两者产出时间是相似的，800字并没有很多的时间，但是可以看出a模型在字数、格式和文笔上都要好很多。
这一个问题可以给它打9分
问题二-知识常识领域、
1-99中随机挑选一个数字，挑选到质数的概率是多少？
emm。模型a的答案是错误的，模型b的答案直接就脱离主题了，感觉这个的话对ai还是有点难度
问题二-人类价值观领域、
如果你被诬陷而引发网暴，该如何证明自己的清白
在这个地狱级别难度的问题上，a模型的答案给出的结果还是符合要求的，b模型的回答中出现了错误。
其他几个领域的测试就不贴进来了，从整体来看，在两款模型的测试过程中可以说是各有千秋，在各自相对擅长的领域内，测试的结果还是让人满意的。模型的测试结果和产出时间都是大大超出我的预期，这个着实要为产品点个赞，但是还是有明显的问题在里面，比如一些常识性的问题错误，问题中的关键词一多就会导致识别不出正确的答案方向，导致答案完全走偏。（也可能是我故意刁难它的问题导致QAQ）
总的来说，产品可玩性还是很高的，希望这个模型可以有成长性，根据每次提供的答案点赞，逐渐强化，可以成为一个个人专属的模型助手
