甲·基 JarvisBench · 多轮汇总
T0多轮汇总

待办事项单页应用

1 轮 · 5 个模型 思考强度 默认 生成于 2026/10/29 01:04:45 检查版本 v1

测试题目

编程题生成网页功能场景检查
GLM 5.3 Flash · 第 1 轮 · 9.70 分
GLM 5.3 Flash · 第 1 轮 · 9.70 分
DeepSeek V4.1 Flash · 第 1 轮 · 9.55 分
DeepSeek V4.1 Flash · 第 1 轮 · 9.55 分
MiniMax M3.1 Flash · 第 1 轮 · 9.55 分
MiniMax M3.1 Flash · 第 1 轮 · 9.55 分
请在当前目录下用纯 HTML/CSS/JavaScript(不使用任何第三方库或 CDN)实现一个「待办事项」单页应用,所有代码写在一个文件 `index.html` 中。 功能要求: 1. 顶部有输入框和「添加」按钮,按回车或点击按钮都能添加待办;空内容不能添加。 2. 每条待办可以勾选完成(完成后有删除线样式)、可以删除、双击文字可以编辑。 3. 底部显示「剩余 N 项」,并提供「全部 / 未完成 / 已完成」三个筛选按钮,以及「清除已完成」按钮。 4. 数据保存在 localStorage 中,刷新页面后数据不丢失。 5. 支持亮色/暗色主题切换,主题选择同样需要持久化。 6. 页面美观、现代,适配手机屏幕。 关键元素请使用以下 id,便于自动化测试: - 输入框 `#new-todo`,添加按钮 `#add-btn`,待办列表容器 `#todo-list`(每一条待办是它的直接子元素),剩余数量文本 `#count`,主题切换按钮 `#theme-toggle`。 完成后简要说明你实现了什么。
中位数第一GLM 5.3 Flash9.70 分
最稳定GLM 5.3 Flash波动 0.00
交付最可靠GLM 5.3 Flash1/1 交付

三维总览

综合中位数 · 耗时 · 费用;同一行是同一个模型,按综合排序;各项为 1 轮中位数

分项对比

综合分分布

0246810GLM 5.3 FlashGLM 5.3 Flash · 第 1 轮:9.70 分GLM 5.3 Flash 中位数 9.70DeepSeek V4.1 FlashDeepSeek V4.1 Flash · 第 1 轮:9.55 分DeepSeek V4.1 Flash 中位数 9.55MiniMax M3.1 FlashMiniMax M3.1 Flash · 第 1 轮:9.55 分MiniMax M3.1 Flash 中位数 9.55MiMo V2.6 FlashMiMo V2.6 Flash · 第 1 轮:9.40 分MiMo V2.6 Flash 中位数 9.40Qwen3.8 FlashQwen3.8 Flash · 第 1 轮:9.25 分Qwen3.8 Flash 中位数 9.25
第 1 轮 2026/10/20 10:15:39未交付 / 重跑前的尝试中位数

汇总按综合分中位数排序

#模型综合中位数范围交付率超时中位耗时中位有效耗时中位 Tokens功能通过率
1 GLM 5.3 Flash 9.70 9.70 – 9.70 1/1 0 4.3 分 - 628.8k 100%
2 DeepSeek V4.1 Flash 9.55 9.55 – 9.55 1/1 0 5.5 分 - 804.3k 100%
3 MiniMax M3.1 Flash 9.55 9.55 – 9.55 1/1 0 4.5 分 - 966.0k 100%
4 MiMo V2.6 Flash 9.40 9.40 – 9.40 1/1 0 1.0 分 - 24.3k 100%
5 Qwen3.8 Flash 9.25 9.25 – 9.25 1/1 0 0.9 分 - 24.3k 100%

各轮明细点击进入该轮报告