MiMo V2.6 Pro
Workbuddy · 99 秒 · 4.48 WorkBuddy 积分
本题作品;媒体来自隔离运行采证固定提示词与专属 GSB 规则,五份真实作品与人工判断按原版本保留。
公开只读快照 · 可以观看和对照,暂不能在本站提交 GSB。自动生成与采证在项目所有者的执行工作台完成,审核后再发布到这里。
单文件 HTML(内嵌 SVG) · 8 秒 · 简单
这批作品的首轮结论:DeepSeek V4.1 Flash(版本未注明)、Step 5 Preview并列领先,各 3 胜。后续复评可能改变单组判断;这里不把单题结果称作模型总体排名。
骑行是否成立:鹈鹕坐在车上,脚跟着踏板走;腿、踏板、车轮与身体动作连贯,而不是各自摆动。
选择两份录屏一起播放,边看边对照本题核心判断点。
创建一个 HTML,内容是 SVG 绘制一个鹈鹕骑自行车的 2D 动画。
选左/右更好时,用 1/2/3 级描述这一对作品的差异并记录证据;两好/两差不选等级。这不是模型绝对分。
Workbuddy · 99 秒 · 4.48 WorkBuddy 积分
本题作品;媒体来自隔离运行采证Workbuddy · 113 秒 · 1.1 WorkBuddy 积分
本题作品;媒体来自隔离运行采证Workbuddy · 269 秒 · 2.21 WorkBuddy 积分
本题作品;媒体来自隔离运行采证Workbuddy · 705 秒 · 4.73 WorkBuddy 积分
本题作品;媒体来自隔离运行采证Workbuddy · 998 秒 · 消耗待补
本题作品;媒体来自隔离运行采证首轮由 1 位人工评审完成;配对会重复使用同一批作品。现行规则尚未覆盖全部配对,当前结论属于探索性结果。AI 判断覆盖数不能代替人工复评,一致率也不等于正确率。
鹈鹕首轮人工 GSB 已完成 10/10 组;这批比较重复使用同 5 份作品。首轮早于现行规则,和当前票分开统计。
| 模型作品 | 作品 | 参与票 | 胜 | 两好 | 两差 | 负 |
|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash(版本未注明) | 1 | 4 | 3 | 0 | 0 | 1 |
| GLM-5.3-Flash | 1 | 4 | 2 | 0 | 0 | 2 |
| MiMo V2.6 Pro | 1 | 4 | 0 | 0 | 0 | 4 |
| MiniMax M3.1 Flash | 1 | 4 | 2 | 0 | 0 | 2 |
| Step 5 Preview | 1 | 4 | 3 | 0 | 0 | 1 |
现行票中 0 张记录了差异等级;2 张旧票未标定。1 级 0、2 级 0、3 级 0、两好 0、两差 0。
| 模型作品 | 作品 | 参与票 | 胜 | 两好 | 两差 | 负 |
|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash(版本未注明) | 1 | 1 | 1 | 0 | 0 | 0 |
| GLM-5.3-Flash | 1 | 0 | 0 | 0 | 0 | 0 |
| MiMo V2.6 Pro | 1 | 0 | 0 | 0 | 0 | 0 |
| MiniMax M3.1 Flash | 1 | 1 | 0 | 0 | 0 | 1 |
| Step 5 Preview | 1 | 2 | 1 | 0 | 0 | 1 |
仅描述本题已提交的作品,不能据此推断模型总体能力;多组配对共享作品,不等于独立题目样本。