数据与评测
LightRay 轨迹基准
用真实任务轨迹比较模型表现。每个指标都能回到样本和规则。
占位数据
下表为口径演示用的占位数据，不是真实评测结果。真实结果将在评测流水线接通后替换，并附每个分数对应的轨迹 ID 列表。
| 模型 | 任务完成率 | 中位步数 | 失败恢复率 | 中位 token |
|---|---|---|---|---|
| frontier-ref | 74.2% | 38 | 61.5% | 182K |
| open-72b | 58.6% | 52 | 44.1% | 241K |
| internal-0912 | 55.9% | 47 | 46.8% | 209K |
| open-32b | 41.3% | 66 | 30.2% | 298K |
| open-8b | 22.7% | 81 | 14.9% | 336K |
method
how it is scored
方法
- 01轨迹来自真实科研任务，不含为评测编写的合成对话。
- 02完成率按任务级判定，判定规则与轨迹 ID 一并公开，可逐条复核。
- 03中位步数只计入产生状态变化的事件，读文件与思考不计。
- 04同一任务在不同模型间使用完全相同的工具集与超时配置。
perf
measured, not estimated
网站性能
数据来自 Chrome DevTools 实测。
| 指标 | 红线 | 实测 | 判定 |
|---|---|---|---|
| LCP | ≤ 2000 ms | 436 ms | 达标 |
| INP (p75) | ≤ 200 ms | 64 ms | 达标 |
| INP (p75) @ 4x CPU | ≤ 200 ms | 72 ms | 达标 |
| CLS | ≤ 0.01 | 0.000 | 达标 |
| three.js chunk (gzip) | ≤ 400 KB | 233.7 KB | 达标 |
实测环境：production build + next start，Chromium 151，1440×900，一个【独占的】无头实例。LCP / CLS 取 5 次清缓存冷加载的中位数；INP 取 18 次真实输入（CDP 派发，trusted）的 p75，测量时 hero 的 WebGL 层正在运行。WebGL 只挂在首屏 hero 的局部容器里，出视口即停帧、dpr 锁 1、帧率封顶 30；prefers-reduced-motion 下完全不挂载 —— 该模式下实测页面 canvas 数为 0，three.js chunk 连请求都不发。
返回首页