該領域撞到了技術懸崖。兩種認知架構都需要基本的重組。
兩種模型都不可靠，錯誤率很高，不適合有意義的任務。
GLM-4-9B-Chat具有中級計算推理，足以適合一般任務。 Step-1-8K經常失敗，缺乏可靠的解決方案。
