DSH Plugins
返回列表
dsh-model-radar

dsh-model-radar

模型推理 更新于 2026.11.10

在终端中运行以下命令:

dsh plugin install Chip-G0202/dsh-model-radar

将以下提示词粘贴到 DeepSeek Harness 对话框中:

在 DeepSeek Harness 中执行 dsh plugin install Chip-G0202/dsh-model-radar,或按插件市场说明从源码仓库 https://github.com/Chip-G0202/dsh-model-radar 安装后刷新界面。

插件介绍

选模型时,厂商宣传与实际在复杂任务上的表现往往对不上;只靠单次对话也很难公平比较不同推理档位、速度和成本。Model Radar 是独立的 DeepSeek Harness 插件,用公开的「四题、满分 150」基准在同一套隔离环境里批量跑测,并额外从本机会话日志汇总模型×档位的真实性能分,让结论有题面、有产物、有耗时与费用,而不只是主观印象。

评测以裁判模型主持主会话,各候选模型以子智能体在全新会话与独立工作目录中逐题作答:秦始皇与鹈鹕由裁判按 rubric 打分,庞贝拼图与糖果题由程序判分;批次结束后再由主模型写汇总。界面提供排行榜(速览、综合推荐、档位热力矩阵)、0–1000 性能报告、历史与可续跑/定向重跑,以及并行度、超时、评委与推荐权重等设置,运行中还会封口敏感资产并做隔离审计,降低透题与越界风险。

适合需要在本地长期对比多家 provider、不同推理 effort 的开发者与团队:做换模型决策、验收新模型、或把智商分与 TTFT/TPS、工具节奏等真实体验放在一起权衡。插件自带 UI 与会话实现,不改动宿主模型配置,也不依赖其它评测插件。

截图预览

使用场景

  • 上线前对比多家模型的四题得分与产物质量
  • 按推理档位挑选默认模型并跟踪批次趋势
  • 结合智商分与 TTFT/TPS 做成本速度权衡

适合人员

  • 需要本地批量评测的 AI 应用开发者
  • 负责模型选型与验收的技术负责人
  • 关注真实延迟与工具表现的效能团队