ROOKIE LAB / 模型测评持续记录 · 2026
看模型,
也看它的实际交付。
从一个模型出发,沿着任务、产出与验证,
了解它做成了什么,又在哪里遇到边界。
THE EVALUATION INDEX真实产出 / 独立复核 / 保留失败
03归档模型 / 系统
01测评案例
模型目录3
选择模型,打开它的测评档案
OpenAI
GPT-6 Astra
参与测评1个案例
运行记录1条记录
2026.09.29已归档 · 待独立评分 · 导入日期
DeepSeek
DeepSeek V4 Flash
参与测评1个案例
运行记录1条记录
2026.09.27已有复核 · 部分评分
平台显示名称
Space Bunny Free
参与测评1个案例
运行记录1条记录
2026.09.27已有复核 · 部分评分
共 3 个模型 · 每页最多 8 个记录持续追加,历史版本保留
01 / TASK
先看它测过什么
每个模型独立归档,按案例组织测评;新增运行保留自己的条件与版本。
02 / EVIDENCE
让结果有据可查
模型原始交付与后续复核分开,分项得分可以追溯到具体理由和证据。
03 / BOUNDARY
未验证,也是结果
不把未知计为零分,不用不同任务的分数拼成总榜。历史记录注明可比边界。