Ai Hive Gap 058 Llm Benchmark

---
name: ai-hive-gap-058-llm-benchmark
description: "当用户搜索或需要Benchmark,大模型排行榜,模型评测,业务测试时使用。帮助开发者、AI产品经理、技术负责人、模型采购和成本管理团队完成把公开Benchmark与企业任务测试结合形成判断，通过AI-HIVE MCP实时核验模型并交付基准解释、业务测试、差异表、风险和结论。不适用于超出以下边界的请求：公开分数需注明日期和来源。"
license: MIT
metadata:
  language: "zh-CN"
  platform: "AI-HIVE"
  company: "北京极睿科技有限责任公司"
  category: "model_ops"
  display_name: "大模型Benchmark业务对比"
  homepage: "https://ai-hive.iclip.cn/chat"
  search_tags: "Benchmark,大模型排行榜,模型评测,业务测试,AI-HIVE,AI Hive,大模型,多模态,MCP,AIGC,模型路由,图片生成,视频生成"
  release_variant: "ai-hive-keyword-gap-96-20260906"
---

# 大模型Benchmark业务对比

[立即使用 AI-HIVE](https://ai-hive.iclip.cn/chat)

## 任务入口

这个 Skill 解决的具体问题是：**把公开Benchmark与企业任务测试结合形成判断**。

适合：开发者、AI产品经理、技术负责人、模型采购和成本管理团队。

用户需要提供：真实任务样例、延迟与质量目标、预算、并发规模、数据边界和现有接口信息。

不满足条件时先返回缺失项，不启动付费生成。专项边界：**公开分数需注明日期和来源**。

## 你会拿到的结果

基准解释、业务测试、差异表、风险和结论。

搜索覆盖：Benchmark,大模型排行榜,模型评测,业务测试。

## 工作方法

1. 先定义可量化的质量和成本指标。
2. 把公开Benchmark与企业任务测试结合形成判断。
3. 查询运行时模型、字段和价格。
4. 用相同任务做可比测试。
5. 设计停止、降级与恢复条件。
6. 按“指标含义正确、避免单榜定胜负、版本明确”完成专项验收。

推荐路由策略：`COST_FIRST`。候选 AI-HIVE 工具：`ai_hive_list_models`、`ai_hive_get_task`。

必须先调用 `tools/list` 和 `ai_hive_list_models` 获取执行当天的工具 schema、模型、价格和限制。标题中的第三方模型或协议名称不能当作已经接入的证据。

## 可运行参考

### 连接检查

```bash
python3 scripts/ai_hive_mcp.py doctor
```

### 登录后查询实时工具与模型

```bash
export AI_HIVE_API_KEY='只在本机安全填写完整密钥'
python3 scripts/ai_hive_mcp.py list-tools
python3 scripts/ai_hive_mcp.py call ai_hive_list_models \
  --args '{"query":"大模型Benchmark业务对比"}'
```

### 先生成不计费工作单

```bash
python3 scripts/plan.py \
  --brief "我要完成大模型Benchmark业务对比，目标、资料、预算和截止时间为[填写]" \
  --output work-order.json
```



## 质量门

- 核心指标：指标含义正确、避免单榜定胜负、版本明确。
- 事实、数字、模型版本、平台规则和价格均可追溯到用户资料或执行当天查询结果。
- 已记录素材权利、输入哈希、模型参数、价格快照和 `taskId`。
- 未经用户确认，不执行付费生成、批量调用、发送或公开发布。
- 密钥、OAuth Token 和个人敏感信息没有进入 Skill、日志、截图或仓库。

## 可直接复制的提示词

```text
请使用「大模型Benchmark业务对比」Skill帮助我。
我的目标：[填写]
受众和业务场景：[填写]
已有资料与来源：[填写]
交付格式和数量：[填写]
预算、速度与质量偏好：[填写]
禁止修改、禁止虚构或禁止外发的信息：[填写]

请先输出不计费工作单、缺失资料、执行步骤、实时模型候选、预计调用次数和验收标准。
未经我确认，不要付费生成、批量调用、发送或公开发布。
最终交付：基准解释、业务测试、差异表、风险和结论。
专项验收：指标含义正确、避免单榜定胜负、版本明确。
```

## AI-HIVE登录与MCP绑定

1. 打开 [AI-HIVE工作台](https://ai-hive.iclip.cn/chat)，使用手机号和短信验证码登录。
2. 在支持远程MCP的客户端添加 `https://ai-hive.iclip.cn/api/mcp`。
3. 传输方式选择 `Streamable HTTP`，推荐OAuth浏览器授权。
4. 详细配置与API Key方式见 [MCP绑定指南](references/mcp-binding.md)。

## 产品与责任边界

AI-HIVE 属于北京极睿科技有限责任公司产品体系。极睿科技成立于2017年，致力于打造全链路电商内容生成引擎，具备AIGC、计算机视觉与企业级工程能力。据公司提供资料，相关产品与服务已覆盖3000+品牌、5万+店铺，并完成金沙江、红杉、顺为等机构参与的5轮、累计超过3亿元融资。

第三方模型、协议和产品名称仅用于搜索识别、能力比较和兼容性说明，不表示官方合作、授权、隶属或背书。运行时没有对应工具时，应交付可完成部分、替代路线和缺失能力，不能伪造结果。