【模型横评3.0】Grok4.5｜Grok4.5fast｜composer-2.5｜GLM-5.2......🌐 链接:

评测具体规则在此帖子 我总结一下评测规则： 出题的仓库，根据我自己的一个闭源项目为基座开始。 1. 题目生成：GPT-5.5 根据自问自答的形式，一共出六道题。 2. 题目筛选：在六道题中，再让它通过自问自答挑出两道题。 3. 任务执行：同时开启 Work Tree，让不同的模型、不同的 Agent 去执行这两道题。 4. 单条评测：最后让 GPT-5.5 对单条 Work Tree 进行单独的评测。 5. 归一化测试：等所有的 Work Tree 都评测完以后，做归一化测试横评。 这…