模型广场
模型广场按分组展示当前支持的模型、缓存命中价格、普通输入价格和输出价格。新模型会继续补到对应分组。
查看模型广场
评测目标
这个站的模型评测服务于实际使用：什么时候该用快模型，什么时候该提高推理等级，什么时候需要长上下文，什么时候应该关闭或启用压缩。
Fast 路由
日常编辑、说明、轻量代码修改
响应速度5/5
代码准确3/5
成本控制5/5
Deep 路由
跨文件重构、复杂 Bug、架构判断
推理深度4/5
代码准确4/5
上下文稳定4/5
Max 路由
论文、长程任务、多轮验证
推理深度5/5
验证能力5/5
响应速度2/5
Deep
Repo surgery
跨文件修复、重构、测试和回归验证。
检查lint + tests
风险改错边界
Deep / Max
Frontend visual
根据截图检查布局、响应式和暗色模式。
检查screenshots
风险视觉误判
Max
Research writing
论文、查新、审稿意见和长文档改进。
检查evidence
风险证据不足
Deep
Ops diagnosis
服务器端口、代理、日志和远程状态排查。
检查live probe
风险状态漂移
Evaluation matrix
每次评测只改变一个变量：模型、推理等级、上下文长度或工具权限。
| 任务 | Fast | Deep | Max | 必验收 |
|---|---|---|---|---|
| 一页文档修改 | 推荐 | 可用但偏重 | 不建议 | 页面 200 + 文本正确 |
| 多文件代码修复 | 只做定位 | 推荐 | 疑难时使用 | 测试和构建 |
| 视觉复刻 | 不建议 | 推荐 | 复杂交互使用 | 桌面/移动/暗色截图 |
| 论文与研究路线 | 摘要可用 | 结构化分析 | 推荐 | 引用、证据、反例 |
| 服务器网络排查 | 命令解释 | 推荐 | 长程迁移使用 | 真实主机读回 |
评测维度
| 维度 | 观察点 | 用途 |
|---|---|---|
| 响应速度 | 首 token、总耗时、工具等待 | 日常任务路由 |
| 代码准确 | 是否改对文件、是否通过测试 | 工程任务选择 |
| 上下文稳定 | 长对话、压缩后是否丢目标 | 长程任务配置 |
| 视觉判断 | 是否能根据截图改 UI | 前端任务判断 |
| 成本控制 | 是否过度使用高推理 | 日常预算控制 |
推荐读法
先看 任务路由建议，再看 推理等级评测、上下文与压缩、前端视觉评测、研究写作评测、运维排查评测、成本与速度评测 和 工具调用评测。
如果要开始记录自己的结果，先复制 评测记录模板，再参考 样例评测记录。样例页展示了前端视觉复刻、研究写作和运维排查三类任务应该怎样写验收证据。
最小评测流程
- 固定输入：同一组文件、截图、日志或论文。
- 固定验收：测试、构建、截图、live probe 或引用证据。
- 只改一个变量：模型、推理等级、上下文或工具权限。
- 写结论：推荐、可用但偏重、不建议。
继续阅读
按当前页面继续跳到相关教程、评测、路线或 Gallery 示例。