该项目最初旨在通过分析推文预测特定账号重置，鉴于用户普遍对“模型降智”问题的关切，团队随即转型构建了 Codex 智商监测系统。初期项目采用 SWE 评测标准，利用后台账号每日自动化测算模型智商，一经发布便因切中用户痛点而流量爆发。然而，高频评测带来的高昂服务器与订阅成本迫使团队寻求可持续的运营模式。为维持数据的客观性与时效性，团队拒绝了中转商的混合 Token 援助，以确保数据直接反映原生模型质量，并最终创新性地推出了“分布式雷达”站点。该站点允许用户贡献闲置 Token 参与特定题目的分布式评测，有效分摊了运营成本并显著提高了监测频率。复盘数据显示，该分布式站点月活跃用户已达 40 万，并收到社区共计 12 万美元的资金支持。针对现有 SWE 基准与实际工程体感存在的偏差，团队正积极整合前端开发测试集，试图解决模型“高分低能”的痛点。此外，由于 Anthropic 对相关账号的封禁，Claude 智商监测站目前处于暂停状态。
事件分析
该事件体现了大模型应用从“尝鲜”向“工程化验收”转变的趋势，模型能力的动态稳定性已成为开发者关注的焦点。技术上，Codex 团队从单体后台测试转向“分布式雷达”众包模式，为解决高频 AI 评测的高昂算力与 API 成本提供了可行的去中心化思路。产业层面，通过拒绝中转 API 而坚持使用原生账号进行基准测试，揭示了当前市场上渠道混用导致的质量不透明问题。项目尝试将抽象的 SWE 基准与具体的前端工程能力（如 80yan9 的测试集）结合，标志着第三方评测体系正试图打破学术基准与实际开发体验之间的隔阂，推动建立更符合开发者体感的质量标准。
核心观点：社区驱动的分布式众包模式破解了模型评测的高成本难题，标志着开发者正通过自发行动建立标准，以对抗大模型的“隐性降智”与营销泡沫。
原文链接：Linux.do
