觅己 V1 · 20人三模型纵向试跑

本轮进度

专业评分看原件解析、综合判断、解读质量（40/35/25）；执行器污染单列，不冒充模型失分。基础 R1/R2/R3 汇总，额外闭环任务单列。

虚拟用户 × 被测模型

复核角色 × 被测模型

以下为六个 Luna 复核角色在可评分节点上的角色分均值；分歧节点尚未定稿，样本数会小于 60。诊断分仅统计有可诊断内容的节点；这些角色均值用于查看评审意见，不替代三方向 40/35/25 的最终总分。

阅读与计分边界

每个人的详情页先并排显示三模型结果，再点击阅读首份、第二份、第三份解读。正文默认展开八主题；合成依据、原生字段、内部失败记录放在折叠区。

16型主中文名已按已确认方案固定；本轮冻结的完整统一类型基础仅有 ENTP，其他15型的长文与来源条目仍待准备。复评和模型比较应将此配置缺口单列，不把缺失的参考内容当作单个被测模型的错误。

工作区 Agent 的单次 Token 和费用若未暴露，一律显示未知。API 费用是厂商返回的实际 Token 乘公开费率的估算，并保留调用账本供核对。模型排名仅在20人都完成且方向分歧裁定后显示。