TrueEval 模型发布冷静期

给新模型发布加一段冷静期，只呈现可复现的实测数据

痛点

每次新模型发布不到一小时，网上就冒出“行业耻辱”或“史上最强”的极端评论，但很少有人真正测试过。开发者抱怨大家盲目相信容易被操纵的基准分数，而不是可靠的实测数据。

方案

一个轻量平台，只收录社区提交的可复现任务实测结果，每条都附带提示词、环境版本、原始输出和验证脚本。模型发布后自动进入 48 小时冷静期，期间不显示总分排序，只展示任务级别的原始表现，让讨论从立场比拼回到可验证的事实。

用户

AI 应用开发者、技术选型负责人、关注模型真实表现但厌倦营销话术的工程师

MVP

预置 20～30 个常见任务（代码、检索、推理、多语言）；提交结果需附验证脚本；冷却期内仅展示任务原始输出；支持按任务类型筛选；提供一键复现命令

变现

免费浏览，提交需注册；团队版按私有评测集订阅；认证可复现结果的提交可付费置顶

为何现在

模型发布节奏越来越快，基准测试公信力持续下降，开发者急需一个不依赖厂商分数、只看任务实测的公共参照，而这类轻社区乘工具非常适合独立开发者启动。