📡 Rapports en ligne
Lecture live du moniteur BenchVibe. Le signal de suivi du prompt permet de distinguer une vraie tentative d’un résultat hors sujet ou vide.
Lecture de secours
Worker running
OK
230/240 modèles traités
Suivi du prompt
Score prompt moyen 19,7/100
Dernière actualisation : 2026-05-19 18:29:07
| Benchmark | État | Santé | Progression | Suivi du prompt | Score prompt | En cours | Prochain |
|---|---|---|---|---|---|---|---|
|
dinosaure_v2
dinosaure_tests_v2_3pages
|
En cours | OK |
46 / 48
95,8% · réussite 21,7%
|
Suivi du prompt
10 suivis · 2 partiels · 0 hors sujet · 36 sans sortie
|
21,1/100 | OpenCode Qwen3.6 Plus | OpenCode Qwen3.6 Plus |
|
fsacb
fsacb
|
En pause | OK |
46 / 48
95,8% · réussite 32,6%
|
Suivi du prompt
15 suivis · 1 partiels · 0 hors sujet · 32 sans sortie
|
31,5/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
traduction
traduction
|
En pause | OK |
46 / 48
95,8% · réussite 0,0%
|
Aucune sortie
0 suivis · 0 partiels · 0 hors sujet · 48 sans sortie
|
0,0/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
todo_list
to-do-list_v1
|
En pause | OK |
46 / 48
95,8% · réussite 2,2%
|
Suivi du prompt
1 suivis · 10 partiels · 0 hors sujet · 37 sans sortie
|
14,3/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
page_libre
page_libre
|
En pause | OK |
46 / 48
95,8% · réussite 37,0%
|
Suivi du prompt
15 suivis · 2 partiels · 0 hors sujet · 31 sans sortie
|
31,6/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
Résumé global: 230 traités sur 240 modèles · 41 suivis · 15 tentatives réelles · 184 sans sortie
🦖 恐龙测试 v1 和 v2
完整基准测试：58 个 AI 模型经过深入能力评估测试
🎯 高级基准测试
用于评估 AI 能力的深入且专业的测试
📱 实际应用
用于实际测试和功能评估的 AI 生成应用程序
🔬 科学方法
我们评估人工智能模型的严谨方法
标准化测试协议
每个模型都按照严谨且可重复的方法进行评估
1
📝 代码生成
生成代码的静态分析、单元测试和算法复杂度评估
Qualité: 95%
Performance: 88%
2
🎯 语义精确度
评估回答与问题及上下文的相关性
Exactitude: 92%
Pertinence: 89%
3
⚡ 时间性能
测量响应时间、延迟和负载管理能力
Vitesse: 1.2s
Stabilité: 96%
4
🔄 上下文连贯性
在长时间对话和复杂交互中保持上下文的能力
Mémoire: 85%
Consistance: 91%
🏆 评估标准
可重复性
重复测试3次以上以进行验证
定量指标
客观且可比较的数字分数
人工评估
领域专家验证
对比基准测试
与参考模型的相对分析