看清模型能力，
也看清每一次进步

面向通用模型、Coding、Agent、多模态及垂直领域模型，构建 Benchmark、任务集与评分体系。通过自动评测、结果分析和版本对比，识别能力短板、稳定失败模式与迭代变化，为模型开发、发布验证与持续优化提供可靠依据。