如何创建你自己的个人 AI 基准测试

Every 的评测负责人解释了如何构建个人 AI 基准测试，而不是依赖 MMLU-Pro 和其他公开测试，并借鉴了他自己在真实工作任务上测试 Claude Opus 5、Claude Fable 5、GPT-5.6 Sol、Astra、Luna 和 Haiku 的经验。该方法分为三个层级，旨在说明何时应切换模型，以及更小、更便宜的模型是否足够。