# Agent 能力评测公开站点

这是一个无需构建工具或后端的静态网站。站点以 `index.html` 为入口，评测流程、题面、榜单状态和报告索引可直接在页面浏览；页面数据来自本目录内的文件。

## 本地预览

在项目根目录运行：

```bash
python3 -m http.server 8000 --directory 公开发布
```

然后访问 `http://localhost:8000`。部署到任意静态文件托管服务时，将 `公开发布/` 的全部内容作为站点根目录。

## 公开内容

- `样本-v1.0/`：冻结基线与逐字题面。12 道题面可直接在网站阅读；该目录不包含评审验收卡和隐藏评分要点。
- `报告/`：84 份公开报告副本，评测机绝对路径已脱敏；每份报告保留原始文件 SHA-256。
- `结果补丁/` 与 `补丁索引.json`：84 个 R01 工作区相对冻结提交的代码差异及哈希；页面可直接展开阅读，空补丁表示没有代码改动。
- `评分依据/`：每题公开验收要点，作为审计附录单独发布，不放进干净样本包。
- `报告索引.json`：报告来源及公开副本哈希。
- `data/benchmark.json`：网站页面读取的版本、工具、题目、报告和评分状态。
- `data/score-history.json`：先前给出的七工具和四工具阶段评分原值，单独存放，不写入正式 `score` 字段。
- `data/rubrics.json`：评分依据索引及哈希。
- `评分规则.md`：公开的权重与评分口径。
- `评分记录与版本.md`：历史评分算法、分项、版本差异及无法复算的限制。
- `SHA256SUMS`：公开发布目录校验清单；样本目录另有自己的校验清单。

## 榜单状态

本批次七个 Agent 均使用 Kimi K3 模型，这是评测者确认的信息。评测者同时确认：七个 Agent 均为出厂默认配置，未安装任何额外插件、扩展、MCP 服务器或自定义 Skill；任务由各产品内置的文件读写与终端执行能力完成。页面展示了先前给出的**历史阶段人工评分**及当时位次，同时公开分项与算法。原逐题计分表仍为空；这些旧分并非按冻结规则算出的正式成绩，也缺少逐题盲评底稿。正式 `score` 字段保持 `null`。后续完成统一验收、盲评和安全审计后，正式榜单应作为独立版本发布，不能静默覆盖历史分。MiniMax R01 存在单批量会话偏差；完成规范重跑前保持 `comparison_status: "protocol_deviation"`。详见[评分记录与版本](评分记录与版本.md)和[冻结评分规则](评分规则.md)。

Agent 产品版本、推理/上下文设置、权限/沙箱、运行环境和日期尚未完整留档；不得在公开页面中猜填。速度、调用量、费用与人工提示次数若有可靠数据应另列，不折进正确性分数。安全证据不足按 N/A 处理；出现 N/A 时不计算正式综合分。

## 版本维护

v1.0 是已公开样本。题面和结果公开后，后续评测应创建新版本或使用保留题，并保留版本变更记录。更正报告时保留原始文件哈希、修订时间和修订原因。