AI 模型评测模板

极短任务更容易观察首响延迟，适合聊天、Agent、实时交互场景。

经典逻辑题，观察模型是否能给出可执行步骤，而不是只给结论。

短数学题，容易暴露优惠券顺序、单位和分步计算问题。

要求直接输出完整代码，观察代码完整性、可运行性和无解释遵循度。

检查模型是否能识别重复元素丢失等细节 bug，并给出合理修复。

高约束格式题，适合看模型是否会夹带解释或破坏 JSON。

5 个短知识点混合，快速观察知识覆盖和简洁回答能力。

观察创作风格、约束长度和分点表达，适合内容生产场景。

要求输出纯 SVG，测试视觉结构描述、代码完整性和渲染可用性。

one-shot 生成单文件 HTML + Canvas 动画，测试模型能否一次写出可运行、流畅、有层次的动态效果。

近期最火的「旋转六边形内弹跳小球」推理题：纯 Canvas、无需联网，球是否始终留在六边形内一眼可判，强烈区分模型的物理与碰撞推理。

one-shot 生成单文件 Three.js/WebGL 场景，观察空间结构、光照、相机和交互是否一次成型。

需要用户替换正文，适合测长输入理解、信息抽取和结构化输出。