PelicanBench – 模型能力纵向对比与复现基准站

用同一提示词跨模型、跨思考档位、跨工具跑基准，保存源码而不是截图

痛点

大家用『鹈鹕骑自行车』这类题目测试模型是否降智，但往往截图发完就没了。同一个模型换一个思考档位、换一个工具，跑出来的差别很大，事后想对比却找不回原件，现有讨论也无法回收成可复现的数据。

方案

把每次测试的提示词、模型、思考档位、工具链和原始 SVG/HTML 源码一起入库，形成可筛选、可对比的纵向基准。动画作品放在独立沙盒子域运行以避免脚本污染，支持生成对比页并分享。

用户

AI 重度用户、模型评测爱好者、需要选型的工程团队、内容创作者

MVP

上传表单保存提示词+源码+模型+档位；按模型/档位筛选与并排对比视图；SVG 用 img 标签安全渲染、动画走沙盒子域；每份作品生成可分享对比链接；公开排行榜和最新提交流。

变现

免费公开浏览；订阅提供私有基准集、多模型自动重跑、导出对比报告；与模型厂商或工具商做赞助位

为何现在

模型降智讨论持续升温，但社区缺少结构化留存；现有做法是截图，谁先做成『可复现基准库』谁就能沉淀数据，且完全可由小团队做出。