AI OUTPUT QUALITY LAB LIVE / 2026
AI 降智
测试器
别凭聊天手感判断模型状态。用一把固定的尺子，测试 GPT、Claude、Codex 等模型的结构理解、指令遵循和输出完整度。
开始测试 ↓01同一句提示词固定变量，避免主观误差
02四项结构检查关系比画风更有信息量
03至少三次复测单次结果不能证明退化
Protocol 01 / Fixed Prompt
先固定尺子
再判断输出
同一句提示词、同一个模型、同一组标准，才能把随机波动和真正的能力退化区分开。
TEST PROMPTLOCKED
请创建一个单文件 HTML，使用内嵌 SVG 和 JavaScript 绘制一只鹈鹕骑自行车的 2D 动画。 要求：自行车必须有两个完整车轮、车架、车把、脚踏和链条；鹈鹕必须有明显的下垂喉囊；两条腿要有膝盖弯折，并且脚部持续连接到脚踏；鹈鹕和自行车保持统一的侧面视角。动画应能运行，不依赖外部资源。请直接返回完整 HTML，不要解释。
隐私边界：手动模式完全离线。高级 API 模式也只从浏览器直连你填写的接口，本站没有代理、存储或日志。
Human review
A / 04看结果，不看画风
在目标模型中运行提示词，把结果截图或代码与你看到的四项标准对照。只勾选明确通过的项目。
Current reading尚未评分勾选通过项后生成初步判断
Browser direct / No proxy
B / LIVE让模型自己跑一遍
只支持允许跨域的接口。建议使用临时 Key、小额账户和低 token 上限。Key 仅存在当前页面内存中，刷新即消失。
Model response / local scan
Automated reading等待测试规则扫描只提供线索，不替代多次人工对照。
Why this test降智不是
降智不是
先变丑
模型能力出现波动时，最先丢失的通常不是装饰细节，而是部件之间的关系：腿是否接到脚踏、工具参数是否匹配、JSON 是否闭合、指令前后是否一致。
A repeatable protocol
四步得到
可比较结果
新开空会话
长上下文本身会影响输出质量，先排除上下文干扰。
原样粘贴
不要改提示词，不要额外解释，不要替模型补充结构。
只取一次
不要连续重跑后挑最好看的结果，保留真实样本。
重复三次
对照四项标准，观察失败是否稳定地出现在同一位置。
Field notes
常见问题
GPT 降智怎么判断？+
使用同一句固定提示词、相同模型和相同参数，连续测试多次，只比较结构关系和关键要求是否完成，不要只看画风。
一次测试失败就代表模型降智吗？+
不代表。模型输出有随机性，建议在新会话中至少测试三次，并观察是否持续在同一项上失败。
API Key 会被本站保存吗？+
不会。高级模式由浏览器直接请求你填写的 API 地址，Key 只存在当前页面内存中，刷新页面后消失。
为什么 API 模式可能无法使用？+
第三方接口可能禁止浏览器跨域请求。遇到 CORS 错误时，可以复制固定提示词，使用手动模式完成测试。