2026 年 4 月的行业实测显示：部分中转站返回的模型在数学推理基准上准确率下降高达 40%（降智 / 掺假）。用户付着钱，却不知道对面坐的是不是正版模型。我们用每周公开测试回答这个问题——包括对我们自己。
数学推理 ×3、代码生成 ×3、长上下文检索 ×2、中文写作 ×2、复杂指令遵循 ×2。题库完全公开、固定不变，任何人可用同样的题测任何站点。
每周日 04:00 UTC 自动执行：同一批题分别走「腾博通道」与「基线通道」（官方直连小额 Key），输出逐题比对差异并评分。
报告全文公开，含原始输出摘要。控制台提供一键复测：任选一题，亲眼看两边的答案。
| 题库分类 | 数量 | 判定方式 |
|---|---|---|
| 数学推理（数值可验证） | 3 | 精确比对答案 |
| 代码生成（可执行） | 3 | 运行测试用例 |
| 长上下文检索 | 2 | 精确比对答案 |
| 中文写作 / 指令遵循 | 4 | 结构化评分 + 人工复核 |
正式周报自上线起每周日发布。第 0 期记录我们的通道底座验证：四组真实调用、完整 usage 计量、与官方格式逐字段一致。
| 测试项 | 端点 | 结果 |
|---|---|---|
| claude-haiku-5.5 | /v1/messages | ✓ 通过 |
| claude-sonnet-5.5 | /v1/messages | ✓ 通过 |
| gemini-4-argon | /v1/chat/completions | ✓ 通过 |
| gpt-6.1-sol | 上游供应商 | 供应商临时故障（未上架） |
原始记录：完整保留（输入、输出、usage 计量、时间戳），上线后随报告一并公开。
上线后每周日更新 · 第 1 期即将到来