评测讨论聚焦可复现字段，而非口号。涉及安全评测请同步阅读安全指南。

讨论：工具链与评测 · 评测与安全。

常见问题 FAQ

离线与在线评测如何对比？

写清样本分布差异、延迟开销与漂移信号；避免绝对化口号。

可以推荐具体商业工具吗？

可以比较公开字段；本站不背书；广告位见 /ads。

最小可复现包包含什么？

输入、期望、实际、环境版本；勿贴密钥。

更新于 2026-10-27（Asia/Shanghai）· Eval harness field list