当代大模型图一乐评测,鉴定模型还说不说人话

最近更新
2026-11-15 18:56
参评模型
17 款主流模型
评测样本
36 个场景 · 612 次评测
打分引擎
AST 确定性规则(无 LLM 裁判)
[说明] 本榜为工程趣味性观测基准,不构成严谨学术结论,具体表现请以实际业务体验为准。采用反向扣分制(分数越低表达越简洁,点击模型行可展开详情)。欢迎提交 PR 贡献新指标与评测算法,下一代榜单正在规划开发中。
#
模型与厂商
思考档位 梯队
天书指数 ▲
越低越好
长链推演
CCI
排版膨胀
FMT
报菜名
ENU
套话模板
TIC
决断推延
CVD
防御叠甲
HED
🥇 1
Gemini 4 ArgonGoogle
google/gemini-4-argon
medium人话级3.962.68.01.33.99.50.3
🥈 2
Gemini 4 HydrogenGoogle
google/gemini-4-hydrogen
low人话级5.074.39.85.52.96.80.7
🥉 3
Gemini 3.8 FlashGoogle
google/gemini-3.8-flash
medium人话级5.774.119.43.02.06.10.2
4
Muse Spark 1.3 ContributorMeta
opencode-go/muse-spark-1.3-contributor
minimal人话级6.852.722.47.41.47.20.3
5
Claude Sonnet 5.5Anthropic
opencode-zen/claude-sonnet-5-5
low人话级7.495.817.613.10.64.60.0
6
Claude Haiku 5 5Anthropic
opencode-go/claude-haiku-5-5
low人话级7.775.414.18.41.216.92.6
7
Claude Opus 5.5Anthropic
opencode-zen/claude-opus-5-5 (混合路由(19+17))
low人话级8.647.630.28.10.22.70.1
8
GPT-6.1 TerraOpenAI
codex/gpt-6.1-terra
low黑话级10.3622.89.86.12.76.77.3
9
GLM-5.3Zhipu
opencode-zen/glm-5.3
low黑话级10.974.530.55.018.29.40.0
10
GLM-5.3 FlashZhipu
opencode-go/glm-5.3-flash
low黑话级11.385.640.85.111.05.90.3
11
GPT-6 LunaOpenAI
codex/gpt-6-luna
low黑话级12.1729.44.97.57.05.98.3
12
Kimi K3.1 ProMoonshot
opencode-go/kimi-k3.1-pro (混合路由(27+9))
low黑话级12.4525.318.315.00.20.43.0
13
GPT-6.1 SolOpenAI
codex/gpt-6.1-sol
low黑话级13.2518.832.77.73.48.73.2
14
Qwen3.8 FlashAlibaba
opencode-zen/qwen3.8-flash
low黑话级13.861.859.61.712.912.50.0
15
Qwen3.8 MaxAlibaba
opencode-zen/qwen3.8-max
low天书级14.314.259.22.810.812.30.6
16
Deepseek V4.1 FlashDeepSeek
opencode-go/deepseek-v4.1-flash
low天书级15.2620.622.524.02.810.81.4
17
Minimax M3.1 FlashMiniMax
opencode-go/minimax-m3.1-flash
low天书级15.5921.734.817.40.57.53.1
// 贡献评测结果:复制以下 Prompt 发给你的 AI 编程助手(Claude Code / Cursor / Antigravity 等)
请帮我评测模型 [请在此填写模型 ID,如 deepseek/deepseek-v4.1-flash],并准备提交到 TshuBench(天书榜):

1. 运行 `npx skills add DBinK/TshuBench` 安装 `tshu-eval` 技能。
2. 加载 `tshu-eval` 技能并严格按照其中的规范与步骤执行评测、校验与 PR 准备。