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。

纯 Canvas 模拟一滴墨水落入清水后的真实流体扩散（平流＋扩散），考验密度变化、湍流分形细节，而非简单放大的圆。

两名兜帽武士挥舞蓝/红等离子光剑的电影感对决，核心考验运动模糊光迹、动态彩色光照投射与连贯有重量感的编排动作。

手机锁屏「滑动解锁」全流程：流光文字、滑块滑到底、锁屏淡出露出 App 图标网格与壁纸视差，考验 Apple 级缓动与界面打磨。

模拟 360° 环视平行泊车：左屏鸟瞰合成图＋随转向弯曲的彩色预测轨迹线，右屏同步转动的方向盘，最考验方向盘、轨迹线与车辆实际路径三者的几何一致性。

一封手写信在木桌上燃烧成灰：不规则推进的燃烧前沿、焦化变黑、分层火焰粒子、上升的余烬与烟雾、火光照亮桌面，约 15 秒烧尽，考验有机过程与粒子分层。

全屏 Canvas 分 7 个阶段（地基→墙→外墙→屋顶→门→窗→细节）约 25 秒搭建卡通房屋，每阶段带顶部字幕、阶段间停顿、循环播放，考验时间线编排与状态机。

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。