开发者开源 LLM “智商测试”脚本，专测 Claude Code 等模型是否降智

随着人工智能技术在编程领域的深入应用，以 OpenAI Codex 和 Anthropic Claude Code 为代表的 AI 编程助手已极大提升了开发者的工作效率。然而，近期社区中频繁出现关于大模型“变笨”、“逻辑能力退化”或拒绝回答复杂问题的反馈。为了解决这一评估难题，一位开发者在 V2EX 平台分享并开源了一个名为“LLM 智商测试”的检测脚本。该项目发布于 GitHub，专门设计用于验证代码生成大模型的逻辑推理能力是否发生波动。该脚本通过预设的一系列测试用例，能够自动化地检测模型在特定场景下的输出质量，从而帮助用户区分是提示词设置不当，还是模型本身确实出现了性能回退。对于高度依赖 AI 编程工具的开发者而言，这一开源项目提供了一种低成本、标准化的检测手段，为维持开发环境稳定性提供了有力支持。

事件分析

💡 核心观点：该工具将“模型降智”的主观感知量化为数据，标志着开发者对 AI 编程工具的关注点已从单纯追求高智商转向重视长期稳定性与可观测性。