由 MINIAPPS.AI 提供支持
模型测试工具包
对模型进行测试。
更清晰地了解您的模型能力。快速运行基准测试并将结果转化为洞察。
您的基准测试工作区01 / 05
01立即开始
设置运行参数
选择模型、基准测试和难度。
查找模型
模型
重新尝试加载模型
基准测试类型
难度级别
运行长度（模型请求数）
问题种子（可选）
使用相同的种子、类型和运行长度，可以对比完全相同的进阶问题。
▥
基准测试计划
✳运行可能会消耗额度。实际成本取决于所使用的模型和 Token 数量。
02结果
您的成绩单
清晰的描述大有裨益。
最近报告（最后 10 个）
训练数据
下载 JSONL测试模型
·
总分
0/ 100
—等级
性能细分
打开类别以检查其检查项和响应。
✧
▤
您的报告从这里开始
选择一个模型并运行基准测试以查看其结果。
i
须知
一个有用的快照，而非全部真相。
这些是自定义的英文测试，而非行业标准基准。满分是可能的，且仅代表模型通过了这些检查。分数并不衡量安全性、创造力或整体实际性能。
查看评分机制↓每次请求包含三个或五个权重相等的检查项。请求在所选类别中循环；如果总数不是类别数量的倍数，则较早的类别会获得额外的请求。条形图汇总了每个类别的所有请求。总分对每个检查项进行等权重计算，因此检查项较多的类别权重更高。高级问题使用生成值和计算出的答案键，但共享模板。基础和中级问题在较长运行中会重复。非格式检查允许 JSON 对象周围包含额外文本；格式测试则要求仅包含有效的 JSON，且具有请求的值和类型。失败或空的请求将停止运行，而不会被计为错误。等级：A ≥ 90, B ≥ 80, C ≥ 70, D ≥ 60, 否则为 F。请在不同模型之间比较相同的套件版本、类型、级别和运行长度，并重复运行。生成的数据在训练前应经过审核；请将评估数据与训练数据分开。