[程序员] [仅供参考] Codex/Claude Code 降智测试脚本

一句话看懂：一位开发者发布了一个名为 llm-iq-test 的开源测试脚本，旨在帮助用户评估 Codex 和 Claude Code 是否出现“降智”现象（性能退化）。该脚本能直观对比模型在编码任务上的表现，为社区提供了自主验证 AI 能力变化的工具。

事件核心：发生了什么

V2EX 用户 fishyues 发布了一个 GitHub 项目 llm-iq-test，专门用于测试 Codex（OpenAI 的代码生成模型）和 Claude Code（Anthropic 的编码工具）是否存在“降智”。所谓“降智”，是指模型在更新后，推理、代码生成或遵循指令的能力出现明显下降，这种现象在 AI 社区中常有讨论。脚本目前已在 GitHub 上开源，开发者可直接下载并运行，通过特定测试题目评估模型当前的水平。该项目发布至今约 1 小时，已获得 113 次浏览，尚未有评论。

为什么重要

“降智”问题是 AI 行业长期面临的挑战，尤其是在模型频繁迭代、推理或后端优化时，可能会在无形中牺牲部分能力。企业采购或开发者选型时，往往依赖官方发布说明，但缺乏直观、可重复的验证手段。该脚本提供了一种社区驱动的基准测试方式，让用户不再仅仅依赖供应商的营销承诺，而是能自行判断模型是否“变笨”。这对于依赖 Codex/Claude Code 进行日常开发的团队尤为重要，因为他们需要确保模型输出的稳定性，避免生产环境中出现隐蔽的质量下滑。同时，这也反映了开发者对 AI 透明度和可追溯性需求的上升。

对用户/开发者/创作者的影响

开发者：如果你正在使用 Codex 或 Claude Code 辅助编码，可以在更新模型版本后运行该脚本，快速验证模型能力是否退化。如果发现降智，可谨慎考虑是否升级或回退到旧版本。
企业采购决策者：在选择 AI 编码工具时，除了关注基准测试分数，还可以利用这类社区工具进行日常监控，作为风险管理手段。
AI 平台方：此类测试的出现可能倒逼模型提供商更严格地控制推理时的“隐形退化”，并公开更多细粒度能力变化数据。