Один зафиксированный snapshot модели без внешних инструментов и продуктового workflow.
- pinned_model_snapshot
- frozen_prompt_protocol
- no_external_tools
PRO Bench / Публичные доказательства
Сравнивайте системы.Проверяйте доказательства.
Вопросы, участники, результаты, стоимость, время и оценки должны находиться в одной проверяемой цепочке. Отсутствующие данные остаются неизвестными.
Результат не публикуется, пока неизменяемый пакет доказательств не пройдёт все проверки.
Наблюдаемая сборка приложения:
da50cacfac4f
R3 snapshot с правами публикации, целостностью, вопросами, ответами и receipt’ами.
Проверенный R3 evidence snapshot не настроен для публичной выдачи.
Архитектура доказательств
Проверить правилаОт задачи до доказательства.
Каждый опубликованный результат должен проходить по одной проверяемой цепочке.
01Задача
Точная задача, версия и допустимые данные.
02Участник
Класс системы, сборка и политика инструментов.
03Попытка
Ответ, артефакты, стоимость и время.
04Оценивание
Рубрика, судьи и ограничения.
05Публикация
Неизменяемый пакет с подтверждёнными правами.
Каталог бенчмарков
Каталог бенчмарков
Откройте набор, чтобы проверить его охват, состояние доказательств и границы по каждому вопросу.
Публичных наборов пока нет.Каталог пуст; система не подставляет нулевые баллы.
Треки участников
Планируемое покрытие →Сравниваем сопоставимое
Raw-модели, chat-продукты, coding agents, agent runtimes и оркестраторы — разные участники. Официальный рейтинг строится только внутри зафиксированного протокола.
Зафиксированные модели получают одинаковый браузер, code runner и файловые инструменты.
- pinned_model_snapshot
- identical_tool_contract
- frozen_prompt_protocol
Полные продукты, coding agents, agent runtimes и оркестраторы сравниваются как системы.
- product_or_system_snapshot
- interaction_protocol
- tool_and_model_disclosure
Разные классы участников сравниваются только при одинаковых лимитах денег, времени и оператора.
- shared_money_cap
- shared_wall_clock_cap
- shared_operator_protocol
- actual_cost_and_time_receipts
Текущее выполнение
Открыть ход выполнения →Текущее выполнение
Ход выполнения не означает квалификацию. Идентичность сборки и доказательства проверяются отдельно.
вопросов
0
завершённых прогонов
0/0
обновлено
UNKNOWN
Публичных запусков сейчас нет.Итоги остаются неизвестными до привязки прогона.
Машиночитаемые данные
Машиночитаемые данные
Интерфейс — это представление данных. Эти endpoints показывают то же закрытое по умолчанию состояние для проверки.