任务需求
填写任务内容，配置能力需求与评测权重。
任务示例
仅在提交能力需求分析时调用模型接口。模型表现
提供共同参测项目比较、综合评分及评测覆盖情况。
双模型对比
比较两个模型的共同参测成绩及能力评测结果。
A对比模型
B对比模型
共同参测项目 · 选择 3–8 项雷达图指标
计算方法与可比条件
每个轴是一项共同 Benchmark，可切换双方均有成绩记录的来源指标。各轴用该来源全体模型的原值范围并包含零用于归一化，不把两个模型的胜负换成 100 / 0；负向指标反向显示。雷达面积不计总分，不同轴的长度不可当作跨领域能力排名。
仅匹配同一论文、表格、指标、任务行、实验设置和比较条件。差值 = 模型 A 原值 − 模型 B 原值；正向指标以较高数值表示更优表现，负向指标以较低数值表示更优表现。差值保留原单位，不合成跨指标总分。
查看配对原值与论文来源
| Benchmark / 来源 | 指标 / 方向 | 模型 A | 模型 B | 原始分差 A − B | 同组较优 |
|---|
模型榜单与证据覆盖
综合评分用于汇总评测结果；不同模型的参测项目可能存在差异。
综合分计算方法与覆盖说明
查看模型评分与证据状态
| 模型 / 实验设置 | 综合分 · 0–100 | Benchmark 数 | 可比评测组 | 覆盖率 | 证据状态 |
|---|
综合分使用跨任务共享强度：同条件原始成绩先拟合对应任务的表现，再通过部分共享校准综合强度，固定映射至 0–100。双模型组缺少独立尺度时仅作低权重胜负比较，派生排名统计不重复计分。50 为参考均值，分数不是正确率。至少 3 项可计分 Benchmark，缺测不补零；模型的测试覆盖可能不同。