ModelDial 第一方
综合得分
后端与测试占 50%，前端与交互占 30%，知识与推理占 20%。
正在核对最新结果
正在加载最近一次核验结果
只有三项能力均有核验结果的同一配置才进入综合榜；缺失结果不会按 0 分计算。
参考范围
各项采用最新证据，历史只在协议一致时比较
三项能力分别保留自己的核验批次身份，综合榜汇总三项各自最新的核验结果。你的路由、密钥和扫描历史只保留在 Mac 上。
单次得分下降，不等于模型已经降智
一批结果只能说明当前观测。只有在同一协议下的可比批次持续下降，才适合判断为性能回退。