AI 产品 · 模型评测 · Python · JavaScript
ModelTest · 逐风 AI 模型评测站
从任务设计、模型采集、评分规则到网页展示，把同题答卷、作品和失败记录放在一起。
个人项目 / 产品设计 / AI 辅助开发
- 产出
第一期 10 款模型的答卷、8 项任务与评分锚点；Python 采集运行器、JavaScript 前端和在线网站。
- 现在
在线作品 · 持续迭代记录依据
- 边界
成绩只描述本站对应任务。新题独立版本计分；演示、模拟验证与真实模型答卷分开。
从体验问题开始
单个总分很难说明模型到底做对或做错了什么。我把页面组织为同题答卷、逐项评分和可见作品，让读者能从结果回到题目和原回答。
我主导需求、方案选择、题目与验收，代码实现中使用 AI 编程工具。
Python 采集与执行控制
统一请求入口分别适配 OpenAI-compatible 与 Anthropic Messages SSE，归一化流式文本、用量、错误和结束状态，并保存多轮历史。
采用串行请求、逐次预算预留、超时和中断留存。通用运行器仅对未产生输出的指定 HTTP 错误按配置重试；正式评测批次关闭自动重试。
评分与公开交付
8 项任务设置评分锚点，结合规则评分与人工复核；短挑战执行动作串或校验 JSON，绑定原回答和题目版本，独立计分。
JavaScript 前端展示答卷、评分证据与匿名作品对比；Cloudflare Pages 托管前端，Worker + D1 记录访问。公开数据按字段白名单脱敏，模型 SVG 经检查后以图片展示。
数字与边界
截至 2026-11-11 核对的公开 README，第一期包含 10 款模型的真实答卷。数字描述该期内容规模，不代表调用次数、使用人数或稳定性评估。
模拟服务用于离线验证程序，动态示意播放器是题意演示，均不当作真实模型成绩。小样本结果不能推出模型全面能力排名。