由於 paga 美元入金受限，本次改以 timon 進行實測。
購買項目：Claude Max 20x
上月使用 paga 付款約 136 美元，加上損耗後為 4286 台幣，折合約 996 人民幣。
本次使用 timon，最終刷卡 144.01 美元，加上損耗後為 4505 台幣，折合約 1048 人民幣。
整體支出增加 219 台幣，約 52 人民幣。
然而整體成本仍低於禮品卡方案，閑魚禮品卡200,000奈拉價格約 1140~1200 人民幣，且儲值存在額外風險。

IP 太脏了

转载于epoch ai 于今日发布于的Gemini 2.5 Deep Think在其FrontierMath上的研究报告
FrontierMath是由epoch ai编制，openai委托的一个包含数百道未公开、专家级数学问题的评测基准，这些问题通常需要专家花费数小时至数天才能解答。难度等级1—3涵盖本科到研究生早期水平的问题，第4级的问题则为数学教授和博士后研究员作为短期研究项目开发。
个人认为:FrontierMath 是目前的一个相当高水平的数学bench，远比早已饱和的AIME等bench有效。
简评：
它在运用背景知识和进行精确计算方面有所改进。它可以成为一个有用的研究助手，并可能对几何学采取更概念化的方法。它在创造力方面表现有限，有时在引用方面会遇到困难。

注：OpenAI报告称：GPT-5-Pro在FrontierMath的非保留数据集上的内部评估得分为32%。Deep Think在该数据集上的得分为30%。
编者注：OpenAI 为核心 FrontierMath 数据集Tier 1-3 委托了 300 个问题，为 Tier 4 委托了 50 个问题。
其中Tier 1-3中的 53 道题的解决方案将不向 OpenAI 公开，用于评估目的，Tier 4中的20道题保留。
正文：
我们评估了 Gemini 2.5 Deep Think（以下简称 Deep Think）的数学能力。Deep Think 是该模型的公开版本，曾在国际数学奥林匹克竞赛（IMO）中获得相当于金牌的成绩。无论是绝对表现还是相对于其他模型，它的优势和劣势分别是什么？据我们所知，这是迄今为止对这种“高算力”模型设置进行的最全面的第三方评估。
*注：此项工作由 Google 委托。Epoch 对产出内容保留编辑控制权。
*
执行摘要
1.Deep Think 在 FrontierMath 的第 1-3 级（29%）和第 4 级（10%）上创造了新纪录，这表明它在解决需要深厚背景知识和精确计算的简答数学问题方面能力有所提升。link
2.两名专业数学家认为 Deep