LET’S TALK
留言板把想法留在这里
聊聊模型实测，分享使用体验，或为本站提个建议。
Benchmark 评测方案
选择 Benchmark 评测方案，按统一任务与 Harness 要求上传成果，比较真实运行效果，参与多屏对比与匿名盲测。上传、审核发布和他人有效查看成果均可获得积分。
3D WebGL
火箭发射 3D 场景动画
作者: ZyCode Lab · 包含 7 组模型与脚手架评测
完整 Prompt 尚未解锁
关注公众号获取验证码，在本站验证后查看完整原文。
🏆 Benchmark 成果对决榜 (Elo Rating)
按评测方案的分类查看成果。同题盲测决定 Elo；不同题目的分数仅作参考，不代表模型综合能力。
天梯分如何计算？
每个成果从 1200 起步，只依据同一评测方案的真实双模型盲测投票更新。Elo 使用 K = 24；双方分数相同时，获胜方加 12，落败方减 12。平局按预期胜率调整，双方都不好不改变分数，四屏投票不计入 Elo。没有双模型投票时不展示天梯分；样本不足标为暂定。它表示成果之间的相对表现，不是模型综合能力分。
预期胜率 E = 1 / (1 + 10^((对手分 − 当前分) / 400))；分数变化 = round(24 × (结果 − E))，结果为胜 1、平 0.5、负 0。| 排名 | 模型 (Model) | 脚手架 (Harness) | 天梯分 (Elo) | 人工评分 | 参与对决次数 | 内容大小 | 任务用例 | 操作 |
|---|
📝 大模型评测报告与技术解析
汇集模型生成效果横评、提示词工程编排技巧与各类 Harness 架构深度复盘，支持在文章中直接内嵌交互式 WebGL 沙盒。
评测报告
2026-09-23
7 组大模型与 Harness 前端 3D 火箭发射实测深度横评报告
WORKSPACE OVERVIEW
管理总览
跟踪内容发布、社区注册与待处理事项。
内容状态
开始管理
编辑已发布内容、处理投稿，或查看注册用户的信息与权限。
CONTENT LIBRARY
内容管理
管理所有状态的内容，编辑和发布变更即时生效。
COMMUNITY & ACCESS
用户管理
管理注册信息、角色和账号状态，查看用户的投稿与下载记录。
ACTIVITY LOG
操作日志
查看内容、审核和账户操作的时间、执行人及详情。
SECURITY & RECOVERY
安全与备份
查看请求拦截、运行限制与数据库备份。
当前防护
数据库备份
拦截统计与 IP 限流保存在当前进程中，重启后重新计数。多实例部署需要在网关统一限流。数据库备份保存在服务端私有目录；恢复时还需配套保存上传的 HTML 文件。
审核队列
用户提交的提示词或模型评测成果，经审核通过后即刻在全站公开呈现。
提示词总数
0
成果总数
0
待审核提示词
0
待审核评测成果
0
待审核评测博文
0
审核历史
我的提交
查看提示词、成果和文章的审核进度与审核意见。