能力评分
94/ 100
在当前可复现环境中完成 1 个用例，1 个全部通过，综合得分 94。
置信度LOW2 次有效运行
公开测评报告2026年7月28日 08:19报告 XS-20260728-AB863E
Runtime Smoke 081817-af9f
✓ 可追溯用于验证生产网站、评测队列和 Runtime 的自动执行闭环。
A
静态扫描未发现开放风险
100%
1 个用例 · 每项 2 次运行
版本回归
首次基线版本回归对比
没有找到相同环境下的上一版本报告
评分明细
评分维度
xiaoskill-score-v1
任务成功率100
稳定性100
指令完整性76
执行效率100
可维护性85
测试证据
用例结果
PDF Forms CN v1.2
✓
生成结构化检查报告2 次运行 · 证据已保存
100完整性
不可变快照可信证据
可复现环境
运行配置
- 模型
- DeepSeek deepseek-v4-pro
- Runtime
- xiaoskill 1.0.0
- 沙箱
- xiaoskill/runtime:1.0.0
- 测试集
- PDF Forms CN v1.2
- Token
- 255
- 耗时
- 2 秒
- 估算费用
- ¥0.0000