研究中心：
数据都能复算，缺陷也在页上

研究资产

研究档案（可引用长文）

排行榜和评测页背后的完整实验记录，按发表形态归档在博客——每篇都有样本量、日期和方法节。

• 哪个模型最会模仿你这本书的文风 — 九模型玄幻横评全文
• 九个模型续写《甄嬛传》 — 女频轨横评全文
• AI 续写会越写越不像吗 — 20 轮漂移实验
• AI 能模仿一位作者的文风吗 — 2024-2026 文献 × 自家实验对账
• 被自己的评测打脸然后修好 — 缓存命中 46.5%→89.9% 修复记录
• Kimi K3 发布 48 小时实测 — 增量评测线样板

年度数据报告

还没到发的时候，先不占位。原料在自动积累：模型价格表每天归档一份快照（从 2026-07 起）、每场评测的原始链和判决都进研究档案。攒够一个年度，第一份报告会出现在这一页。

我们怎么做研究

• 同尺条件：对比类评测里各方用同一个模型、同一把 Key、逐字节相同的脚本，每次 AI 调用都经过同一个计量网关记账；不同条件下采的数字不同台展示。
• 排序靠双盲：排名类结论一律双盲评审、两套随机映射对冲位置偏差；前后判决不一致的票作废，不进结论。
• 评委先考试：AI 评审员要在已知答案的样本上达到 80% 正确率才有投票权。我们自己发过「评委一致地错」的研究——所以关键结论要么人工终裁，要么只写「倾向」。
• 结构指标只当闸门：句长、对话率、复读检测用来抓回归、交叉验证盲评；「像不像人写的」这类裁决不交给统计。
• 自家缺陷如实入表：评测抓出我们自己的问题照样发（缓存命中率被打脸、指令措辞 bug 都在页上），修复过程公开。
• 可复算：原始 20 轮链全文、盲评映射密钥、评审判决、逐调用计量日志全部归档；数据页提供 JSON 快照下载。