市面上的 LLM API 渠道鱼龙混杂：上下文虚标、输出缩水、拿旧权重冒充新版…… 这个工具让你把渠道放进"体检仪"，用可验证的手段看清它的真实能力与真伪。
- 在线实例：https://llmtest.luyuanlab.eu.org
- 技术栈：Vue 3 · Hono · Cloudflare Workers · Vitest
| 能力卡片 | 回答的问题 | 机制要点 |
|---|---|---|
| ⚡ 响应速度 | 这渠道快不快？ | 流式测量 TTFB / 总耗时 / tokens 吞吐 |
| 🧵 最大并发 | 同时能压几路？ | 1→64 阶梯并发加压，全过才升档；档间歇口气避开 RPM 误伤 |
| 📥 最大输入 | 宣称的上下文是真的吗？ | 联网查官方宣称值贴榜验证，失败自动向下二分出真实上限；头尾口令回显防静默截断 |
| 📤 最大输出 | 单次能吐多少？ | max_tokens 直接拉满问渠道要，拦不住就流到底；渠报 usage 与实测不符会标"可疑" |
| 🎨 SVG 创作 | 会画鹈鹕骑自行车吗？ | 结构校验 + 元素丰富度启发式 + 用户点选自评 |
| 🍬 糖果问题 | 推理水平在第几梯队？ | 经典最坏情况抽屉原理题（21 高级 / 29 常见错误） |
| 📚 知识库截至日期 | 背后是不是真这版？ | Agent 联网考古新旧版时间差窗口，逐题判决掉包行为 |
| 🚀 一键体检 + 📋 报告 | 全都懒得点？ | 顺序执行全部测试，汇总评分环，导出 Markdown / JSON |
- API Key 仅存于你的浏览器；不勾选「记住」则仅本次会话有效
- Worker 只在内存中转发请求：无数据库、无落盘、日志不含 Key
- 项目开源 + 可一键部署自有实例，信任不必交给任何第三方
界面上的「你的 Key 的安全旅程」四步卡片即为该模型的用户侧呈现。
npm install
npm run build # 构建前端到 dist/client
npm run dev:worker # http://127.0.0.1:8787（Worker 同时托管前端）
npm run dev:web # 前端热更新（/api 自动代理到 8787）
npm test # 单元/集成测试（内置 mock OpenAI 服务）本地密钥放 .dev.vars（已 gitignore）：
TAVILY_API_KEY=tvly-dev-… # 知识截止测试的联网能力
RESEARCH_BASE_URL=https://integrate.api.nvidia.com/v1
RESEARCH_API_KEY=nvapi-… # 巡检员/裁判模型的 Key
RESEARCH_MODEL=nvidia/nemotron-3-super-120b-a12b # 知识截止测试的巡检员/裁判模型npx wrangler login
npm run deploy # 或 npx wrangler deploy可选增强：
# 自定义域名（需该域已在你的 CF 账户），参考 wrangler.jsonc：
"routes": [{ "pattern": "llmtest.example.com", "custom_domain": true }]
npx wrangler secret put TAVILY_API_KEY
npx wrangler secret put RESEARCH_BASE_URL
npx wrangler secret put RESEARCH_API_KEY
npx wrangler secret put RESEARCH_MODEL # 巡检员模型，如 deepseek-ai/deepseek-v4-pro-0813🤖 整个系统只内置一个 AI——上面的巡检员。它身兼两职： ① 知识截止测试的联网时间线考古 ② 给被测模型的答卷判卷 ③ 联网检索官方上下文/输出上限宣称。 未配置时相关功能自动退化为无需联网的启发式判分。
| 数据 | 维护方式 |
|---|---|
| 📚 出题考古 | 无库存——每次运行现查全网时间线考古，题随世界走，天然零维护 |
判定哲学：我们假设大模型很少诚实拒答，因此动态事件一律携带"知情专名"作为客观判据——答对才算数。
test/unit.test.ts错误分类等纯函数test/integration.test.ts通过 Hono app 全链路 + mock OpenAI 服务
欢迎 PR：新增厂商预设芯片（ChannelView.vue 的 PROVIDERS）、新模型注册表条目、更好的考古与判卷提示词，都是十分钟内能完成的高价值改动。