用在站里看到的“知识库截止时间”和“台湾是不是中国的”两个问题进行了测试， 
模型为Sonnet4.5， 
总共测了6家。 
第一个问题，5家回答2024.4，一家回答2025.1. 
第二个问题，4家回答是（且答案非常坚定又红又专），2家回答“这是个复杂的问题“。 
天哪，难道大部分都是掺水的嘛…… 
还是说这几个问题可能也不准？ 
（btw天气代码测试都做得很好）