Show HN：我制作了最慢、最昂贵的GPT

这篇文章描述了一个项目，该项目使用多个LLM（ChatGPT、Perplexity、Gemini、Claude）来回答相同的问题，旨在通过交叉引用获得更全面和准确的答案。作者强调了当前LLM在处理流动信息和复杂查询方面的局限性，特别是在在线搜索等难以建立共识的领域。该项目侧重于查询不同模型并评估其输出的迭代过程，而不是依赖单个模型或简单的RAG方法。作者承认单次响应在数学和编码等任务中的有效性，但强调了在需要细微理解和最新信息的领域所面临的挑战。

• •该项目探讨了使用多个LLM通过交叉引用来提高答案质量。
• •强调了当前LLM在处理流动信息和复杂查询方面的局限性。
• •侧重于查询和评估不同模型的迭代方法。
• •强调了在需要细微理解和最新信息的领域（如在线搜索）所面临的挑战。