T0多轮汇总
待办事项单页应用
测试题目



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
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
| 模型 | 第 1 轮2026/10/20 10:15:39 · 思考强度默认 |
|---|---|
| GLM 5.3 Flash | 9.70完成 · 4.3 分 · 思考 默认(max) |
| DeepSeek V4.1 Flash | 9.55完成 · 5.5 分 · 思考 默认(high) |
| MiniMax M3.1 Flash | 9.55完成 · 4.5 分 · 思考 默认(max) |
| MiMo V2.6 Flash | 9.40完成 · 1.0 分 · 思考 默认(不支持调档) |
| Qwen3.8 Flash | 9.25完成 · 0.9 分 · 思考 默认(xhigh) |