05:29官方账号Simon Willison’s Weblog（博客/媒体）
精选
推荐理由：Simon Willison做了smevals评估工具，YAML写测试，一条命令可跑GPT-5.5和Claude Opus 4.6对比，生成报告。想搭评估套件可试试。
gpt-5.5
共 1 条相关 AI 资讯 · 查看话题观测
8月1日
05:29
Simon Willison与Jesse Vincent的Prime Radiant实验室合作开发了smevals评估套件。该工具通过YAML文件定义评估，支持用uvx smevals run -m gpt-5.5 -m claude-opus-4.6同时运行多个模型对比。运行和评分分离，可用uvx smevals grade对结果按预设检查项打分。最后通过smevals serve或smevals build生成可分享的HTML报告。作者称这是其第三代评估方案，将用于自己的项目。