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
03归档模型 / 系统
01测评案例
真实产出 / 独立复核 / 保留失败

模型目录3

选择模型,打开它的测评档案

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。