MirrorWorkforce Benchmark Console

MirrorWorkforce中转站模型检测网页工作台

填写接口、模型和测试规则后即可自动跑完多维检测，并输出知识、推理、型号特征、真实流式 SSE、协议一致性、响应结构、文本指纹辅助归因、有效努力指数与降级风险。字段旁边给了示例，首次使用可以一键填入演示值再替换成真实 API Key。

检测配置

所有影响检测准确性的参数都需要显式填写

必填

基础参数

先确认中转站和模型

中转站名称用于报告展示，不影响请求地址。模型名称会作为请求 payload 的 model 字段。

接口协议 Claude/Anthropic 选 Messages；GPT 或多数 OpenAI 兼容中转站选 Chat Completions。 API 地址只填域名和基础路径，不需要写 /v1/messages 或 /v1/chat/completions。 API Key 只提交给当前后端服务，不会写入文件。

填入 API 地址和 Key 后可拉取可用模型。

运行参数

建议先用 1 轮试跑

测试轮次每个测试用例重复请求的次数。超时时间（秒）单次请求最长等待时间。

请求间隔（秒）降低并发压力和限流风险。 Anthropic version 仅 Anthropic Messages 使用；OpenAI 兼容协议可忽略。

最小试跑建议 Claude 示例：claude-opus-4-8；GPT 示例：gpt-5.5；轮次：1；超时：120。

测试用例

可编辑 prompt 与质量规则

汇总结果

检测完成后会自动刷新指标

当前中转站-

模型-

用例数-

总请求数-

综合评分-

成功率-

加权质量-

协议通过率-

响应结构率-

型号一致率-

文本指纹-

衰减风险-

风险标记-

输入 Tokens-

输出 Tokens-

模型检测结论

检测完成后生成综合判断。

指标表

成功率、加权质量、协议结构、文本指纹和衰减风险

中转站	成功率	质量通过率	加权质量	协议	流式协议	结构	型号一致	文本指纹	有效努力	降级风险	风险标记	空响应计费	平均延迟	首 token	总输入	总输出	评分上限	评分
暂无结果

问答明细

逐轮展示 prompt、模型回答和判定信号

检测完成后显示每轮问答结果