【模型大横评2.0】composer2.5胜者为王｜GLM5.2｜ Kimi2.7 ｜DSv4｜GPT5.5｜Gemini3.5F🌐 链接:

测试仓库 依旧使用本人的一个闭源的项目，以下是具体架构。 评测流程 开 work tree 跑两个测试题目，1 题和 2 题之间不会新开上下文窗口。 测试题目 上次我让 codex 出了一个比较具体的题，虽然没有那么细，但还是给得比较细。这次只给大体意图，让 AI 自己去做。 打分流程 单分支评测 = 每个模型自己打分，不排名 归一化复核 = 把多个单分支报告放到同一把尺子下重新校准 横评 = 基于归一化结果给排名、同档判断、推荐结论 参赛选手 测试速度 Kimi2.6…