AI BENCHMARK / SUPPLIER LAB
供应商自动测试台
接入 · 测试 · 对比，让供应商表现一目了然
退出登录
测试工作台
历史结果
媒体结果
模型对比
供应商
专项与管理 · 模型能力回归
⌄
资源与设置
模型运营
模板、模型矩阵、定时回归和异常提醒
素材库
管理图片、视频和音频测试素材
系统设置
识别 Agent、自动化令牌和管理密码
专项验收
客户端兼容性
验证 Chat、Responses、Messages 协议
模型能力回归
用固定题集检查质量退化和基线变化
真实客户端测试
运行 Codex、Claude Code、CodeBuddy CLI
请先登录平台。
返回登录
模型能力回归
正在检查 Promptfoo…
内部中文基线
供应商、分组、API 端点、Key、模型
题集
重复轮数（轮）
随机种子
默认文本协议
Chat Completions
Responses
Claude Messages
同时并发请求数（个）
每题输出上限（Token）
请求超时（秒）
采样温度（temperature）
推理级别（reasoning）
不发送
low
medium
high
输出字段与模拟设置
输出限制字段
按协议默认
max_tokens
max_completion_tokens
max_output_tokens
仅 Mock（仍运行 Promptfoo）
模拟行为
正常答案
错误答案
上游503
输出截断
资料校验完成后自动启动能力回归，不再单独确认调用费用
预览并开始能力评测
填入示例
清空
过程与上下文
题数、轮数、模型和调用量会在本区展示。若关闭自动启动，可在此处按当前清单手动开始；设为健康基线仍需单独确认。
按当前清单开始能力评测
本次结果
停止本任务
评测历史
刷新
搜索供应商 / 分组 / 模型
数据类型
真实请求
Mock
全部
加载更多