正在打开页面…
正在加载内容，请稍候。
全部开发工具
大模型对比测试计划：同档选型与固定任务
大模型对比测试计划生成器先按旗舰、均衡主力或轻量定位选组，再固定任务、不同样本、生成上限和记录规则。下载 JSON 计划与测试表，在本地保存全部尝试，避免混档比较和选择性重试。
你的输入只在当前浏览器内处理，不放入 URL，不上传、不保存，也不自动调用 API。刷新页面后清空你的输入。
选择同档候选
三款主力来自已有报告选型。新计划尚未执行。协议为候选配置，需实际核对当前Key权限与网关支持。
固定样本包含输入、预期字段和值；总请求=不同模型×所选样本。自定义型号的effort/thinking默认未知，下载后需按官方参数另行配置；代码与长文需自备测试集。
先选同档候选，再生成离线计划。这里没有API调用或已测结果。
对照检查步骤与结果使用
如何使用检查结果
先让选型回答同一个问题
候选型号按厂商用途定位分组。型号价格、品牌、同名medium和HTTP 200都不能证明能力或计算量相同；Preview型号应单独标注稳定性边界。准确ID仍需在当前Key可见目录中确认。
样本与规则在调用前锁定
下载计划内含9份虚构固定短样本的子集。结构化提取和材料内问答按字段、类型和值核对；工具任务只核对提案，不执行工具，提案回合结束不等于Agent或最终业务完成。自定义型号推理参数保持未知，需按该型号文档配置。代码、长文需另备素材和评分规则，不计入本计划请求。
执行与记账在你的客户端完成
工具不接收Key，不发请求。每次真实尝试使用独立trialId，保留失败、未知与截断；提交状态不明时不自动重试。实际费用逐条匹配控制台账单，未知保持null，再用结果分析器核对。
常见问题
预设模型都测过了吗？
没有。只有已有同档主力报告公开了27次短任务实测。本工具生成的是新计划，旗舰和轻量预设仅为候选，也不保证你的Key具备调用权限。
4096上限和medium就公平了吗？
只能约束请求意图。不同协议的推理预算、生成上限计入方式及网关映射可能不同，需另行验证；结果不能自动成为通用模型排名。
为什么只有每类1–3份固定样本？
这3份是不同输入，避免把同一提示词反复调用当作不同样本。更多样本需要新增独立素材、预期结果和稳定sampleId；不能只提高次数。
全球顶尖大模型 · 一站式接入
选择支持所需接口的准确型号，用 apizt API Key 完成首个任务，再核对响应与控制台记录。