“知行录”上线：开发者构建大模型官方基准测试排行榜

针对当前大模型领域性能评估分散且信息碎片化的问题，一位开发者利用 CodeX 平台提供的 API 资源，开发并上线了一款名为“知行录”的大模型性能排行榜网站。该平台旨在为 AI 研究者及开发人员提供一个客观、基于数据的模型对比参考工具。不同于常见的基于用户主观喜好的投票排名，“知行录”的核心特色在于其排行依据严格采用各模型官方发布的基准测试成绩，这确保了数据的客观性和可追溯性。这些官方基准通常涵盖 MMLU、GSM8K 等多项权威测试集，能够有效反映模型在逻辑推理、代码生成及多语言理解等方面的“硬实力”。作者提到，得益于近期 CodeX 平台疯狂赠送重置额度，API Token 资源十分充足，从而促成了这一辅助工具的快速落地。该网站承诺将持续追踪并更新数据，收录国内外主流大模型（如 GPT 系列、Claude 系列、DeepSeek 等）的最新表现。对于需要快速评估不同模型技术边界并进行技术选型的开发者而言，这一聚合了官方数据的工具显著降低了信息搜集成本，具有较高的实用价值。

事件分析

💡 核心观点：大模型爆发期催生评测基建，聚合官方基准数据不仅降低技术选型门槛，更成为观察各家模型代差的关键窗口。