实时推理跑分
提交题目后立刻回传得分与耗时，页面无需刷新，分数随题组推进实时刷新。
六个能直接用的功能
不堆概念，只放能跑起来的东西。每个模块独立出分，也能合成一份综合报告。
四类题组混测
逻辑、数学、代码、常识按比例混合抽题，避免单一维度虚高，分数更贴近真实水平。
推理链路回看
每一步中间结论都保留，答错时能定位是理解偏差、计算失误还是知识缺口。
多模型横向对比
同一套题喂给不同模型，结果并排展示，差异一眼可见，适合选型阶段快速判断。
历史记录留档
每次检测自动存一条记录，含时间、题组、得分，方便观察版本迭代后的能力漂移。
题库持续补充
每周加入新题并下架被高频命中的旧题，降低模型记忆带来的分数虚高。
三步跑完一次检测
不设注册墙，不要求填资料。打开就能用，跑完直接看结果。
选题组
按需要勾选逻辑、数学、代码、常识四类，或者直接用默认混合权重。题量可选 20 / 50 / 100 题。
填模型
填入要检测的模型名称与接口信息，或者从已有列表里挑一个。确认后点击开始，页面进入实时跑分状态。
看结果
分数、耗时、错题分布同步刷新。跑完可展开推理链路逐题复盘，也能一键复制报告。
相关入口
检测之余常被点开的几个站内页面，按需自取。
常见问题
关于分数怎么看、题目怎么出、数据怎么存，集中答一遍。
分数高低代表什么？多少算合格？
分数是题组内正确率与推理质量加权的综合值，满分 100。参考区间：70 分以上说明基础推理稳定，85 分以上在多步推理题上错漏很少。低于 60 分建议先看错题分布，通常是某一类题集中失分，而不是整体不行。
题目会不会被模型提前记住，导致分数虚高？
会，所以题库做了两层处理：一是每周替换高频命中的旧题，二是同一题组会随机打乱条件数值与表述方式。即便如此，历史公开题仍可能被记忆，因此我们更看重同批次新题的表现。
检测需要注册或者付费吗？
不需要。打开页面即可选题跑分，基础题组完全免费且无需账号。历史记录默认保存在你本地浏览器，不上传服务器。
能同时对比多个模型吗？
可以，最多同时对比 4 个模型。同一套题组依次跑完后结果并排展示，包含总分、分类得分与平均耗时，适合做选型参考。
实时检测的"实时"具体指什么？
指结果随答题进度即时回传，而不是跑完全部题才出总分。你能看到分数在跑分过程中逐步收敛，也能在中途停止并查看当前结果。
结果可以导出吗？
支持导出为文本报告，包含题组配置、分类得分、错题清单与耗时统计。导出内容为纯文本，方便贴进文档或工单里。
更新日志
每次改动都记一笔，方便你判断分数波动是不是工具本身引起的。
v2.6
新增代码理解题组的执行结果校验，答对但代码跑不通的情况不再计满分；实时分数刷新间隔从 1.5 秒缩短到 0.8 秒。
v2.5
多模型对比上限提升到 4 个；错题分布新增按难度分层视图，便于判断失误集中在哪一档题目上。
v2.4
题库替换约 120 道高频旧题，补充多步逻辑与单位换算新题；导出报告字段重新对齐，字段名更直观。
v2.3
推理链路回看支持逐步展开与折叠；历史记录改为本地保存，清除浏览器数据会一并清除记录。