01 / RANKING
全部模型评分
按模型平均星级倒序。匿名可查看，登录后可评分；每个账号对每个模型只能评分一次。不同厂商的思考强度未做统一归一，卡片会标注实际生效模式。
02 / RULES
星级与榜单规则
自动检查只用于驱动 agent 修复，不再计分；公开榜单完全由登录用户的星级评分决定。
| 规则 | 说明 | 目的 |
|---|---|---|
| 登录后评分 | 匿名用户只能浏览榜单 | 避免刷分 |
| 每人每模型一票 | 同一账号对同一模型只能提交一次评分 | 保证样本独立 |
| 0–5 星 | 0 星表示完全不可用，5 星表示一次到位 | 允许表达明确负评 |
| 平均分排序 | 按模型全部评分的平均值从高到低，平均分相同看评分人数 | 评分越多越可信 |
| 思考强度未归一 | 不同厂商使用 enable_thinking、reasoning_effort、thinking.budget_tokens 等不同机制；卡片标注 off / low / plan / provider-default | 避免把思考预算差异误当作模型能力差异 |
PELICAN TEST
返回鹈鹕测试用同一个任务，看看你的模型排在哪。
运行测试不需要登录；作品上传后，登录用户可以用 0–5 星为模型投票。
本页仅用于技术评测。请使用你自己的 API Key，并遵守对应服务商的使用条款。