总排名
点击任意模型查看维度细分 · 95% CI 基于 60 题标准误差
维度雷达图
选择最多 3 个模型对比各维度表现
统计说明：
当前 n=60 道题，整体 95% CI ≈ ±3–6 pts，每维度（n=6）CI ≈ ±7 pts。
得分差距在 5 pts 以内的模型在统计上无法区分排名。
v2.0 完整版将扩展至 135 道题（每维度 15 题），届时 CI 将缩小至 ±8 pts/维度。
评分方法：3 层加权评分 — Rubric 匹配（40%）+ 代码/结构质量（30%）+ BM25 语义相似度（30%）。
所有模型使用 temperature=0.1 单次采样（n=1）。
维度说明