从DSH出来之后就一直看到很多佬在尝试利用Harness复现灰度测试的性能。先说我自己，我在0813当天上午就偶然看到Opencode Go已经上了Pro（New）了，也试了Nameeee，发现可以正常输出。试着用Opencode跑了几个小项目，发现有时是Let me，有时是We，很奇怪，但是当时没仔细测模型到底是个什么水平。后面又用Flash试了一下，发现我Flash反而稳定输出Let me，就越发觉得不太对。这两天一直用DSH干活，又发现出现了和之前一样的情况：有时是Let me，有时是We，但结果有点出乎意料，Let me思维链的有时效果反而比We的好（相同提示词，任务是处理表格数据），小白也不太懂，就让ChatGPT写了一个调研报告 
 [image] 
详细报告可参考：ChatGPT - 思维链对性能影响