器灵 Soulmate 通天塔 1.15.28
评测节点在线

我的测试记录

评测在服务器后台运行,当前任务不阻止再开新任务。点「新测试」或再次提交三要素即可另开;历史显示模型、时间、状态,可分页看完全部记录。

0 / 0

提交后任务在后台执行,页面可继续新建另一测试;不必等当前任务结束。

思维链兼容说明 · 若被测端点不支持思维链参数,系统会自动去掉该参数、以不带思维链的普通请求继续跑完整场测试,不会因为这个可选参数把评测判成失败;实际是否降级会在下方结果区标注为「端点不支持,已自动降级」,并附上端点拒绝时返回的原文。

Key 不落盘 · 仅在任务内存与加密连接中使用 全量档 · lm-eval 七维不限题数跑满,保留逐题证据与 95% 区间 真实结果 · 单方向失败不影响另一方向 思维链 · 未启用(沿用端点默认)
准备中… 0%
LM-EVAL等待 ASSAY等待 LIVEBENCH等待

标准能力雷达

知识、推理、数学、阅读、指令与真实性

LM-EVAL
等待提交IDLE
查看 lm-eval 原始指标0–100 展示归一化

端点输出性能雷达

固定分段刻度,原始数值不封顶;聚合decode 不等于 4K / 100K 单流 decode;含 C1/C4/C8/C16 聚合与 C4k→C100k 衰减

ASSAY
等待提交IDLE
查看端点实测明细吞吐项展示原始实测值;2 项衰减得分 = 100 − 衰减幅度,衰减越多得分越低;固定刻度顶格:decode 500 / 聚合输出 10000 / prefill 20000 / 聚合输入 100000 tok/s;decode 窗口按「首末增量帧之差 − 零产出停顿」计,分块预填造成的空窗不计入解码耗时

LiveBench 抗污染雷达

题库批次 2024-11-25、六类题库按档位抽样、纯客观判分不用 LLM 裁判

LIVEBENCH
等待提交IDLE
查看 LiveBench 判分明细客观 ground-truth 判分,缺测项保留真实原因,不补 0 分

压测聚合吞吐衰减曲线

每流 100K 输入 · 并发从 1 起逐步加 1 · 相邻吞吐绝对变化率严格小于 5% 停止 · 横轴流数 · 纵轴聚合输出吞吐 tok/s

ASSAY
未测