这是一则列表来源，站内未收录完整正文。
smevals：用于评测模型、提示词与评测框架的小型评测套件
精选理由
一个轻量级评估框架，让编码代理帮你搭 eval，再直接跑模型对比。对想针对业务场景自建基准的团队，比通用榜单更实用。
AI 摘要
smevals 是 Simon Willison 与 Prime Radiant 实验室合作开发的新工具，用于跨不同模型配置运行小型评测套件并对结果打分。它支持通过 uvx smevals run 对 gpt-5.5、claude-opus-4.6 等模型运行评测，并将运行与打分分离，最终可生成静态 HTML 报告。这是 Willison 在评测方法上的第三次迭代。
这是一则列表来源，站内未收录完整正文。
阅读完整原文simonwillison.net