Benchmark Heaven 支持自定义加权:按场景分维度打分模型能力

airesearch12 · x · 2026-10-05

Benchmark Heaven 展示其排名的可定制能力:用户可用滑块按 Intelligence、Calibration、Speed、Cost 加权,自设成本/延迟上限定义「Jev-class」,并以雷达图对比任意两个模型。

一个有意思的设计是按场景与话题分维度打分——「综合最强的模型不一定是适合你的模型」。示例:Jev 在 safety & security 上领先(88.8 vs 52.6),Quyet 在 finance & commerce 上领先(78.2 vs 16.1),routing、legal、moderation、support、guardrails 等维度单独拆分。