Skip to main content
تشغيل أي مهارة في Manus
بنقرة واحدة

model-bench

النجوم١
التفرعات٠
آخر تحديث٧ يوليو ٢٠٢٦ في ٢٢:٠٥

Benchmark and A/B-test multiple LLMs or systems-under-test on one evaluation dataset. Use this whenever the user wants to compare models side by side, rank candidates by a score, run a multi-model comparison, set up a persistent A/B eval campaign, decide whether a new model is significantly better than a baseline, or produce a comparative HTML/JSON benchmark report.

التثبيت

التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.

مستكشف الملفات
11 ملفات
SKILL.md
readonly