为了在相对公平的环境下对比，我决定将人工干预降到最低：只提供基础内容和最简单的指令，以此测试各家软件生成能力的「下限」。这不仅是因为（囊中羞涩）测试积分有限，更为了模拟真实的「开箱即用」场景——毕竟，作为普通用户，大多数人只想要一个能用的 PPT，而不是被强迫系统学习提示词工程。
Initially I aimed to test with at least 10 formulas for each model for SAT/UNSAT, but it turned out to be more expensive than I expected, so I tested ~5 formulas for each case/model. First, I used the openrouter API to automate the process, but I experienced response stops in the middle due to long reasoning process, so I reverted to using the chat interface (I don't if this was a problem from the model provider or if it's an openrouter issue). For this reason I don't have standard outputs for each testing, but I linked to the output for each case I mentioned in results.
，详情可参考爱思助手下载最新版本
Американские аналитики заявили о полном взятии Красноармейска ВС РоссииВ Институте изучения войны США заявили, что Красноармейск полностью взят ВС РФ
圖像加註文字，在競選期間舉行的民主黨全國代表大會上，喜劇演員肯南・湯普森（Kenan Thompson）手持一份放大版的《領導使命》（Mandate for Leadership）作為道具發言華府智庫常為新任總統提出政策建議，而保守派「傳統基金會」於2023年4月發布這份藍圖，當時尚不清楚共和黨的總統候選人會是誰。