GitHub Stars
895
Forks数量
62
贡献者数量
4
许可证
Other
收录理由
这个脚本专门针对本地使用 Codex CLI 的开发者，用一道看似简单实则容易出错的糖果数学题来测试不同模型和推理强度组合的表现。它允许你设定测试次数，自动判断回答是否包含正确答案 21，并统计正确率与 reasoning tokens 的消耗。整个脚本没有任何第三方依赖，只要你的 Codex CLI 已经安装并登录，就能直接通过网络拉取运行，非常轻量。对于想快速对比不同模型版本或调整 reasoning effort 后效果差异的人来说，这是一个顺手的小工具。虽然它只围绕单一问题做验证，不算全面的评测体系，但胜在简单直接，能给你一个直观的参考数据。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI，用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型（ACL 2024）
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台：LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具