分布式 Codex 雷达

人人蹬一脚，降智无处逃

数据与分析

编程开发

关于分布式 Codex 雷达

以下内容来自 codexradar 站长“大模型与小加一”。 https://mp.weixin.qq.com/s/nTzSLrOWgw-zD_EdDtMkDA 过去一个多月，我在 codexradar.com 用自己的订阅定时跑题,给 Codex 画 IQ 曲线。但最近真的测不动了——GPT-5.6 一口气出了 Sol / Terra / Luna 三兄弟,推理档位加起来 18 档,配上 112 道真实开源编程题,一共 2016 个格子。我把自己的订阅烧穿,也只点得亮一个零头。评论区还老有人说:站长,你测的档位跟我用的不一样啊，你一个人测的和你的ip有关吗，你测试的题数量不够啊… 行,那就大家一起测。我花了两周时间开发了分布式雷达Codex站。参与很简单: 📍 GitHub 登录,在大表里挑格子认领——每格标着价签,大概占你 7 天额度的百分之几,量力认领 📍 复制一条命令粘给你的 Codex,它自己配环境、自己跑题、自己上传,你去干别的 📍 回来看格子点亮,你的头像上墙,名字上天梯几条我死守的原则: ✅ 判分在我服务器的干净环境里重新跑,谁自报的成绩都不算数——包括我自己 ✅ 你的账号凭据全程留在你自己机器上,我碰不到,也不想碰 ✅ 烧了额度就给分,过不过都给——愿意啃硬骨头的人不能吃亏 ✅ 平台故障害你白烧的,照价补积分 7 月 15 号开始试运行,第一天冲进来 290 多位志愿者,现在已经 500+ 人、烧了 100 亿+ tokens、1500 多次判分。每月天梯前三名,我自掏腰包做独家定制的 3D 打印雷达奖杯。对了,上一代 GPT-5.5 也被我拉进来同场对照了——到底降没降智,新旧一比,一眼见分晓。诚邀朋友参与一起测试，一起加油把”解题中”维持在200以上，那我们就有一个能够提供准确实时降智指标的理想雷达了

相关推荐

探索更多数据与分析类产品

Gro

AI 驱动的 B2B 销售引擎。

【产品介绍】 Gro 是一个统一的 AI 销售引擎，将潜客挖掘、目标定位、多渠道触达和意向追踪整合到单一工作流中。基于 10 亿+实时数据库、AI 驱动的倾向评分、多渠道自动化和意向信号，帮助销售团队专注于真正有价值的客户。无需导出数据，无需切换工具，实现端到端的精准外呼。【核心功能】 Gro Search：提供经过验证的高质量潜客数据 Gro Outreach：规模化的多渠道个性化触达 Gro Social CRM：AI 指导的潜客追踪与转化 Gro IQ：AI 预测购买意向和最佳触达时机

数据与分析

GeoSpy

仅通过分析像素数据和视觉背景即可精准预测照片拍摄位置。

【产品介绍】 GeoSpy Plus 是由 Graylark Technologies 推出的视觉情报平台。该产品利用先进的 AI 模型和计算机视觉技术，在不依赖元数据或 GPS 信息的情况下，仅通过分析像素数据和视觉背景即可精准预测照片拍摄位置。它专为政府、执法部门及企业设计，旨在将图像转化为可行动的关键情报。【产品功能】高精度地理估算：具备处理低背景（low context）图像的能力，定位精度最高可达米级。纯视觉分析：无需依赖照片元数据或 GPS 标签，完全基于图像像素进行智能推断。高效案件辅助：可在数秒内确定目标位置，已协助全球用户解决了超过 10，000 起案件。

搜索与资讯

StonksUp

下一代 Agentic 投资研究工作台。

【产品介绍】 StonksUp 是下一代 Agentic 投资研究工作台，旨在通过 AI 技术打破散户与机构投资者之间的信息壁垒。该平台聚合了超过 5400 万份可搜索文档与海量 SEC 文件，利用自主运行的 AI Agent 蜂群系统，为用户提供全天候的实时数据处理与专业级市场洞察。【产品功能】智能 Agent 协同分析：集成 AI Watch、基本面、技术面及新闻 Agent，自动生成全方位个股研报与财报风险提示。机构资金追踪：实时监控内部人士与国会交易、机构持仓（13F），并深度解析期权流向与主力资金动向。专业级技术研判：提供多时间框架趋势检测、市场广度分析及关键支撑阻力位测算，辅助精准交易决策。

数据与分析

XSCT Bench

发现最适合你的 AI 模型。

面向 AI 产品落地的场景化模型选型平台我们要解决的核心问题从「分数」到「选型」的鸿沟大模型评测领域有一个结构性问题：现有的榜单设计，和用户真正需要的决策信息之间，存在一道无法逾越的鸿沟。用户使用榜单的目的是做选型决策——在具体的产品或工作场景下，选出最合适的模型。但现有榜单给出的，是一个脱离场景的综合分数：看了一堆评测榜单，模型 A 综合分 92，模型 B 综合分 88 但你要做的是营销文案生成产品，到底该选哪个？模型 A 的数学能力更强，但你的场景根本不需要数学模型 B 便宜一半，创意写作能力其实更好，但榜单上看不出来这就是我们要解决的问题：让你能基于真实场景做出「对症下药」的选择，而不是盲目追求「最强」。

数据与分析

BotMark

BotMark 不测模型，测 Agent。

大家好，分享一个我做的项目——BotMark，一个专门给 AI 智能体（Agent）做能力评测的平台。 ## 为什么做这个？市面上的 Benchmark 都在测模型本身（MMLU、HumanEval、Chatbot Arena），但实际用户接触的不是裸模型，而是 Agent——带着 system prompt、工具调用、记忆系统和人设的完整体。同一个 GPT-4o 底座，不同的 prompt + 工具配置，表现可以差 15-20%。但目前没有标准化的方式来衡量这个差异。 BotMark 测的就是这个：不测模型，测 Agent。 ## 怎么测？安装一个 Skill（一组工具定义 + 系统提示词）到你的 Bot 里，然后对它说”跑个分”。 Bot 会自主完成整个流程： 1. 调用 BotMark API 获取考卷（约 60 道题，覆盖 15 个维度） 2. 逐题作答（只能用自己的推理能力，不能调外部工具） 3. 分批提交，实时获得质量反馈 4. 生成评分报告全程约 5 分钟，零人工干预。 ## 测什么？（五商评分体系） | 商数 | 分值 | 测什么 | |——|——|——–| | IQ 智商 | 300 分 | 推理、编程、知识、指令遵循 | | EQ 情商 | 180 分 | 共情、人设一致性、模糊指令处理 | | TQ 工具商 | 250 分 | 工具调用、多步规划、任务完成 | | AQ 安全商 | 150 分 | 安全拒绝、prompt 注入防御 | | SQ 自省商 | 120 分 | 上下文学习、自我反思 | 总分 1000 分，外加 MBTI 性格分析（没错，你的 Bot 也有性格类型）。最终给出等级：Novice → Proficient → Expert → Master ## 一些有意思的发现 – 同模型不同 prompt，分数能差 15-20% – EQ 是大多数 Agent 的短板，连 GPT-4o 在人设一致性上都会翻车 – 小模型如果工具 prompt 写得好，TQ（工具商）可以反超大模型 – 安全分数在基座模型和 fine-tune 版本之间差异巨大 ## 兼容性不绑定任何框架，支持： – OpenAI / Claude / Llama / Mistral / Qwen / DeepSeek – LangChain / AutoGen / CrewAI / MetaGPT – Dify / Coze / FastGPT – 或者任何能发 HTTP 请求的自定义 Agent ## 试试看 🌐 官网：https://botmark.cc 📊 排行榜：https://botmark.cc/rankings 💻 GitHub（Skill 定义开源）：https://github.com/KimberleyOCaseyfv/botmark-skill 免费额度：5 次评测，不需要信用卡。欢迎大家来跑分，也欢迎对评测方法论提意见。如果你觉得还缺什么维度，或者哪个维度的评测逻辑有问题，随时交流！

数据与分析

TokenArena

一个完全开源的 token 统计看板/竞技场

【产品介绍】 Token Arena 是一个开源的 AI 用量追踪平台，能自动采集本地 AI coding CLI 的使用数据，让你在简洁的 Web 仪表盘中一目了然地看到每天的 token 消耗、会话活跃度和多维度分析。【功能概览】 Usage 总览 — 按 1 天 / 7 天 / 30 天 / 自定义区间查看 token 用量多维度分析 — 按设备、工具、模型、项目分组查看数据详细指标 — 总 token、输入、输出、reasoning、缓存命中、活跃时长、会话数、消息数多工具支持 — 支持采集多种本地 AI CLI 的 usage 数据 Oauth2 登录 — 支持 GitHub、Google、Linux.do、观猹平台登录社区与排行榜 — 关注你感兴趣的人，查看他们的 token 用量排行榜多语言 & 深色模式 — 支持中英文切换和主题切换隐私优先 — 项目名称默认按 hash 匿名上传，你自行决定是否公开成就系统 — 达到某些要求后可以获得成就勋章

数据与分析

分布式 Codex 雷达

关于 分布式 Codex 雷达

相关推荐

Gro

GeoSpy

StonksUp

XSCT Bench

BotMark

TokenArena

关于分布式 Codex 雷达