如何阅读公开探针结果
常见问题
这些记录代表真实执行次数吗?
不是。记录是公开快照中的汇总,部分为展示样本。
单次一致率能证明模型替换吗?
不能。应结合检测条件和多次公开结果判断。
一致率
agree / total 表示公开汇总中可比较题目的匹配情况。分组、调用方式和基线会影响结果;不设置未经确认的异常阈值。
Token 与模型指纹
输入 Token 范围、思考 Token 中位数及模型识别结果都是辅助信号,不能单独证明模型替换。快照不含题面、回答全文或原始请求。
历史与局限
同一条最新结果可能连续出现在多天快照里,周报按 ID 和测量时间去重。部分数据为展示样本,不能把汇总条数当成真实执行次数。
模型追踪
- claude-fable-5
- claude-fable-5-1
- claude-haiku-4-5
- claude-haiku-5-5
- claude-opus-4-8
- claude-opus-5
- claude-opus-5-5
- claude-sonnet-5
- codex-auto-review
- deepseek-v4-1-flash
- deepseek-v4-flash
- deepseek-v4-pro
- glm-5-3
- glm-5-3-flash
- gpt-5-4
- gpt-5-5
- gpt-5-6-sol
- gpt-5-6-terra
- gpt-6-1-sol
- gpt-6-astra
- gpt-6-luna
- gpt-6-sol
- grok-4-5
- grok-4-6
- grok-4-7
- kimi-k3
- qwen3-8-max