最近更新
更新日志按 日期.V序号 排序，例如 6.22.V1 表示 6 月 22 日第 1 个版本；越靠前越新。
8.06.V1 最新版本
修复 LaTeX 分数被误判为错误答案的问题。
- 分数判分：新增对
\frac{5}{14}、\dfrac{5}{14} 和 \tfrac{5}{14} 的识别，兼容 \(...\)、$...$ 等常见数学格式。
- 误判修复：不再把 LaTeX 行内公式的圆括号定界符当成说明文字删除。
8.03.V1
修复了页面统计数据的一点小bug，不影响本站使用。
- Responses 兼容：新增
/v3/responses 等带版本路径的自动识别与回退探测。
7.29.V1
集中更新接入兼容、跑测准确性、题库、界面可读性与使用体验
- 模型选择：可根据 Base URL 和测试 Key 获取
/v1/models，搜索并选择模型；接口不支持时仍可手动填写。
- 客观题计分：答案错误不再因为格式简洁获得一半分，格式只作为正确答案的附加质量信号。
- 方案题防刷：增加空泛占位语和具体落地证据检查，降低只堆结构、篇幅和关键词获得高分的概率。
- 安全误报：区分明确拒绝与声称已执行危险操作，避免把“不会读取凭据”误判为高风险；诱导口令泄露仍判高风险。
- 顶部推广：新增窄幅站长广告，支持外链跳转，并在页面滚动时固定在顶部导航下方。
- 规则提示：配置、题库和社区规则改为点击感叹号按需查看，减少常驻说明。
- 运行详情：探针始终可见，模型返回与评估明细默认折叠；失败时自动展开模型返回。
- 结论重排：优先显示“能否使用、问题数量、问题类型和下一步”，技术状态码改为中文解释并保留代码参考。
- 问题归因：区分接入问题、能力问题和需要复核，完成后可直接定位首个问题探针。
- 专项入口：Agent 安全测试移至左侧配置卡下方，不再占用中间探针工作区。
- 风险文字：统一显示“低风险、中风险、高风险、暂未评估”，不再只显示单个字。
- 社区统计：接入异常不再使用“全部减有效”推算；接口未返回独立异常总数时，明确显示为最近列表统计。
- 更新提醒：NEW 只在发布后 7 天内且用户尚未查看时出现，查看更新日志后自动消失。
- HTTP 恢复：HTTP Base URL 改为浏览器直连，不再因为启用公网代理而一律拒绝；浏览器拦截时单列环境限制，不判模型能力失败。
- 重试退避：超时、429、500、502、503、504 和短暂网络异常默认最多尝试 3 次，支持 Retry-After、指数退避与随机抖动。
- 推理预算：长输出、长上下文和复杂推理使用独立预算；finish_reason=length 会提高预算定向复测一次。
- 评分归因：请求失败、协议异常和截断不再混入能力平均分；有效样本不足时不输出误导性风险结论。
- 题库 2026.07：标准、随机和补测题面全部更新，强化业务计算、约束遵循、上下文、结构化输出与工具规划。
- 隐私说明：社区发布继续由用户主动触发，发布前明确列出会提交的数据，并支持隐藏域名。
7.21.V1
新增 Agent 场景风险排查与推理档位控制
- Agent 安全风险测试：新增提示注入、危险命令、隐私外传、工具滥用和权限边界 5 项场景，输出低、中、高风险及触发项建议。
- 安全边界说明：明确 API Key 本身不会像病毒一样感染电脑；本测试评估的是模型或中转站接入电脑端 AI Agent 后的行为风险，不承诺杀毒或绝对安全。
- 推理档位：新增自动、高推理和兼容模式；OpenAI 兼容接口可请求最高推理档位，自动模式会在中转站不支持时去掉推理参数重试。
- 推理题判分：放宽多步推理链对千分位、等价数字格式、明确最终结论和部分关键步骤的识别，减少正确思路被硬匹配误伤。
- 社区计数：社区概览改用统计接口显示真实总量，不再因为帖子列表只加载最近记录而长期停在 80 条。
7.03.V1
优化历史记录、知识新鲜度标准测试和用户社区可读性
- 历史记录：列表直接显示 Base URL 域名、测试类型和完成题量，方便区分同一模型在不同域名下的记录。
- 知识新鲜度：标准测试改为 2025-2026 上半年事件阶梯，并在补测中加入更细的时间阶梯，用于观察知识是否接近当前时间点。
- 社区帖子：突出题量、完整测试/补测/随机测试类型，并把 fixed、random、ability-fixed 等内部标签改成中文说明。
- 筛选交互：完整测试帖、接入异常帖和全部帖子可直接切换；点击概览数字也会同步筛选列表。
- 异常说明：接入异常帖会显示模型未配置、限流、上游异常、CORS/协议不兼容、空响应等原因。
6.30.V1
上线用户社区与提交规则
- 用户社区：新增社区页面和发帖入口，先罗列用户自行测试后提交的匿名测试帖，支持按模型和 Base URL 域名筛选。
- 共享数据：社区帖子已接入服务器存储和 HTTPS 接口，不再只保存在当前浏览器本地。
- 提交规则：每天最多提交 10 条；未记录 Base URL 域名的旧历史记录不会收录；相同测试结果只保留一次，减少刷分和重复样本。
- 隐私边界：只提交模型 ID、响应 model、Base URL 域名、评分、完成题数、风险等级、错误类型和 usage 汇总；不会提交 API Key、完整 Base URL、回答正文、完整 prompt 或联系方式。
6.24.V1
修正 token 消耗展示口径
- 我们发现：部分接口返回的 token 总量会包含缓存命中，容易和平台实际计费口径对不上。
- 这是此前说明不够清楚。缓存命中可能被计入接口 usage，但实际扣费通常更接近非缓存 token。
- 现在已调整：报告会拆分接口上报总量、缓存命中和非缓存计费参考量，方便对照后台账单。
6.22.V2
重点优化移动端、报告和运营入口
- 移动端重排：手机端改为单列任务流，配置、验收结论、探针详情和运营卡片不再挤成三栏。
- 报告更好读：查看报告改为“本次结论、下一步建议、问题分类、关键证据”等结构，先突出重点再看明细。
- 按需反馈：只有中高风险、无法评估或明显异常时才生成“给供应商的话”；正常结果改为后续验证建议。
- 复制与导出：完整报告区新增“复制报告”和“导出报告”按钮，方便直接反馈或留档。
- 入口恢复：恢复联系站长和打赏二维码，合作推荐、打赏支持、问题反馈统一放到中间区域。
6.22.V1
优化公告、验收结论和反馈链路
- 平台公告：默认展示免责声明、您已知悉和功能简述；更新日志作为第二页查看。
- 公告关闭：底部改为“今日关闭”和“关闭公告”，区分当天不再弹出和仅关闭本次。
- 验收结论：右侧只保留进度、评分、风险、model 字段和 token 消耗，详细内容进入报告页。
- 题面保护：探针题面和期望提示默认隐藏，探针名称保留，避免泄漏测试题。
- 反馈信息：问题反馈直接复制完整报告和运行日志，方便后续排查。
- 异常识别：补充网页地址误填、JSON 容错和空流式响应预览。
6.18.V1
优化异常反馈和流式接口兼容
- 增强流式 SSE 解析能力，兼容更多中转站返回的字段形态，减少“接口能连通但工具读不到正文”的情况。
- 当接口返回非标准流式数据时，运行日志会记录脱敏后的结构摘要，方便判断是供应商 SSE 格式、上游错误，还是模型正文为空。
- 优化协议异常提示。遇到这类问题时，会更明确说明“当前不能评价模型能力或真假”，避免把链路兼容问题误读成模型能力问题。
- 导出报告和提交反馈前增加有效结果检查，避免未开始或未完成跑测时生成空报告，反馈内容也会更容易排查。
6.15.V1
修复部分用户从 www 域名访问时无法测试的问题
- 根据近期反馈排查了本站代理链路，确认代理服务本身正常，主要问题集中在跨域预检、供应商上游异常、内网接口不可达和少量协议兼容场景。
- 修复代理跨域配置，补齐
www 域名的访问支持。用户从带 www 的网址进入时，也可以正常发起测试请求。
- 同步验证主域名与
www 域名的 OPTIONS 预检请求，均已返回正确跨域头。
- 保留此前的上游异常、内网/VPN、协议异常等提示逻辑：如果接口本身不可达或供应商返回异常，报告会优先解释链路问题，不会简单判定模型能力为 0。
6.12.V1
优化接入失败诊断，让报告更准确地区分“模型问题”和“链路问题”
- 新增
HTTP 502 / upstream_error 专项识别。遇到供应商上游服务、模型路由或中转节点临时不可用时，会优先提示排查服务状态，而不是把结果误读成模型能力 0 分。
- 补充公司内网、VPN、私有网络场景说明。如果接口只能在公司网络内访问，本站公网代理无法代替内网环境，需要在公司网络内部署代理或提供公网测试入口。
- 优化早停逻辑。遇到明确的上游不可用、内网不可达、协议异常等问题时，会尽早停止重复测试，减少无效请求和额度消耗。
- 更新常见错误说明，帮助用户更快判断是 Key、模型 ID、CORS、上游服务，还是网络边界导致的无法测试。
6.11.V2
接入本站代理能力，显著降低 CORS 对测试的影响
- 新增腾讯云代理转发链路。遇到供应商接口不允许浏览器直连时，测试请求会优先通过本站代理转发，减少
Failed to fetch 和 OPTIONS 预检失败导致的“无法测试”。
- 代理链路已支持 OpenAI / Responses / Anthropic Messages 等现有兼容形态，前端仍会自动尝试不同接口路径。
- 优化错误边界：代理跑通后，如果上游返回 401 / 403 / 订阅不存在 / 模型无权限，会明确归因到供应商账号、Key、模型权限或订阅状态，而不是误判为网页 CORS。
- 新增上游服务异常识别。遇到
HTTP 502 或 upstream_error 时，会提示优先排查供应商节点、模型路由或上游服务状态，而不是把结果误读成模型能力 0 分。
- 补充内网接口提示。若接口只能在公司内网或 VPN 环境访问，本站公网代理无法代替内网环境，需要在内网侧部署代理或提供公网测试入口。
- 模型 ID 输入区新增提示，提醒用户必须和供应商提供的模型名称保持一致，避免手打
gpt5.5、gpt-5.5、gpt-5-5 这类差异导致测试失败。
- 同步更新使用说明和隐私说明，明确当前版本会通过本站代理完成请求转发，并建议继续使用临时或限额测试 Key。
6.11.V1
优化了更多中转站和 Claude 接口的测试兼容性
- 新增 Anthropic Messages API 兼容，可自动尝试常见的
/v1/messages 接口。
- 兼容 Anthropic 标准 Key 与部分中转站使用的 Bearer Key 鉴权方式。
- 补充 Claude 非流式、流式响应及 Token 用量解析，减少因接口协议不同导致的“无法测试”。
- 接口即使忽略非流式参数、直接返回
data: {...}，工具也会自动识别并合并内容。
- 兼容响应头标记错误但正文实际为 SSE 的中转站，避免把正常返回误判为模型 0 分。
- 遇到无法解析的协议响应时会及时停止，不再重复跑完整套题浪费时间和额度。
- 智能粘贴支持识别
ANTHROPIC_BASE_URL 和 ANTHROPIC_AUTH_TOKEN，Claude Code 配置可直接填入。
- 调整网页跨域提示文案，让错误原因和下一步处理方式更直观。
6.3
根据用户反馈优化了真实中转站测试体验
- 增加 stream 兜底能力，部分只支持流式输出的接口也能尝试完成测试。
- 优化网页直连失败提示，区分 CORS、浏览器限制和接口本身不可用，减少误判。
- 修复“没有收到模型回答却仍生成能力分”的问题；接入失败时会明确显示无法评估，并停止重复请求。
- 报告中新增 Token 消耗观察，展示接口返回 usage 和工具估算值，方便对照后台账单。
6.2
增强了接口兼容性和接入容错能力
- 新增对部分
responses 形态接口的兼容，适配更多中转站和模型接入方式。
- Base URL 填写更灵活，支持直接填写域名，系统会自动补全并尝试识别可用接口。
- 优化接口探测和响应解析逻辑，减少因路径差异或返回结构不同导致的误判。
6.1
优化了页面结构和部分功能
- 优化顶部入口与页面结构，减少无关信息干扰。
- 底部功能区精简优化，页面内容会更集中在核心功能本身。
5.7
让评分更准、更可信：
- 关键题目的答案改为每轮随机生成，结果更难被中转商针对性优化，更接近真实水平。
- 优化判分逻辑，减少对正确回答的误判，并加固防刷分检查，避免靠套路拿高分。
- 输出被截断的题目会单独标注，不再把中转限制误判成模型能力问题。
- 新增隐私说明：你的密钥、接口地址和模型回答都只在本地使用，不会外发。
5.6
本次更新统一了产品表达和说明文案：
- 探针名称中删除版本前缀，避免用户误以为某些题目属于单独模式。
- 右侧报告栏改名为「接入质量诊断」，用证据链表达替代强裁决表达。
- 更新使用说明，补充 Base URL 隐藏、跑测中锁定题库、行为侧写边界和版本规则。
- 更新日志改为
月份.小版本 排序方式。
5.5
修复跑测中的状态切换问题：
- 跑测开始后冻结本轮题目列表，避免中途切换「标准 / 随机 / 验收 / 补测」导致当前题目消失。
- 跑测中锁定题库模式、探针类别、换题和清空操作，完成或取消后自动恢复。
- 历史归档使用本轮冻结题目，避免报告和实际跑测题目不一致。
5.4
修正页面安全和结果展示细节：
- 评估明细支持自动换行，长内容不会撑破网页结构。
- Base URL 默认隐藏，单次跑测和官方对比页均可通过小眼睛临时查看。
- 将“模型指纹”调整为“行为侧写”，只展示回答习惯，不再输出“像某模型”的强判断。
5.3
升级接入质量诊断能力：
- 新增行为侧写、随机多轮回忆、随机长上下文插针、输出截断与复读检测等探针。
- 综合结果从单纯分数扩展为接入可信度、题库表现、上下文完整性和输出稳定性等证据。
- 保留官方对比和历史记录，方便长期追踪节点质量变化。
5.2
增强随机题库和判分鲁棒性：
- 随机题库支持同类题抽样，降低固定题面被针对性适配的风险。
- 多轮回忆、日期、项目编号、金额等判分兼容空格、标点和常见格式差异。
- 工具规划、规则遵循、JSON 输出等题目增加格式与语义分层判断。
5.1
完善基础工具能力：
- 新增运行日志复制和导出，便于发给供应商排查 401、403、超时、限流和空响应。
- 优化使用说明入口和更新提示入口。
- 完善官方对比和历史记录，支持保存不同接口的跑测结果。