评测方法 / 证据层

评测场景

用于展示版本化中转站方法、更新和可复核报告的独立空间。

方法6 个评测套件报告持续发布节奏滚动更新复核证据复核

01 / 中转站评测套件

测试路线，而不只是模型。

单个评测不能证明中转站安全或模型身份，应结合受控测试、重复采样和证据来源。

01 / 中转站评测套件

单个评测不能证明中转站安全或模型身份，应结合受控测试、重复采样和证据来源。

安全性

检查 TLS 状态、端点处理、错误脱敏、凭据暴露和留存信号。

目标：安全信号

身份

针对声明的模型路线运行重复能力探测和响应配对检查。

目标：身份信号

可靠性

测量连接、超时、延迟、重试和不同窗口中的波动。

目标：稳定性 + 覆盖

完整性

使用不变量任务、结构化输出和工具行为检测路线退化。

目标：完整性信号

经济性

在失败和重试之后比较标示价格与完成任务的成本。

目标：价格信号

安全性

测量对抗性提示下路线保留供应商控制的情况。

目标：安全信号

“可疑”不等于“已证明”。

评测应报告不确定性、重复样本、误报控制和申诉路径。

目前还没有已发布的评测报告。下方方法说明不是已发布结果。

这是对外部公开 Benchmark 的编辑整理。Folkbench 没有执行该评测。

8 月 27 日 · v0.2

重复任务可以发现一致性信号，但一致性不能证明身份。

8 月 26 日 · 3,600 次调用

结合样本上下文展示连接、超时和可用性模式。

8 月 25 日 · v0.3

比较标示价格与调整重试后的完成成本。

每个方法和报告都会标明范围、更新时间和证据限制。