如何建立你自己的個人 AI 基準測試

Every 的評測負責人說明如何建立個人 AI 基準測試，而不是依賴 MMLU-Pro 和其他公開測試；他根據自身經驗，用真實工作任務測試 Claude Opus 5、Claude Fable 5、GPT-5.6 Sol、Astra、Luna 和 Haiku。這個方法有三個層級，旨在顯示何時該切換模型，以及較小、較便宜的模型是否就足夠。