ChatGPT/OpenAI 分数暴涨未必是能力变强：从 Astra 改 Qwen 权重看思考模型评测的截断与重复陷阱，附 5 项检查清单 作者Fourteen 2026年 11月 6日 作者注：从 Astra 改写 Qwen3.5-0.8B 权重的实验复盘出发，讲清思考模型评测中“答错”与“没写…
