复测 · 固定陪审团

同一段 Prompt，同一组模型，每天重跑。

不追新模型。固定一组模型每天重跑热度最高的已发布案例，分数是多个 AI 裁判各自打分的均值，不是作者原作。想测新模型，用公开 API 自己跑了来对比。