livenerf 用固定评测追踪模型上线后的能力变化 这个开源工具固定提示、CLI 版本和评分器
livenerf 用固定评测追踪模型上线后的能力变化 这个开源工具固定提示、CLI 版本和评分器,重复测试同一组问题,并记录准确率、输出 token 和原始日志,以区分真实漂移与随机波动。
livenerf 用固定评测追踪模型上线后的能力变化 这个开源工具固定提示、CLI 版本和评分器,重复测试同一组问题,并记录准确率、输出 token 和原始日志,以区分真实漂移与随机波动。
当前 Opus 5.5 系列仍在收集基线,尚不能据此认定模型被降低能力;它测量的是 Claude Code 订阅服务路径,不等同于原始 API 模型。