方法论

“public-community experience index, not a benchmark”

这个指数衡量什么

体感分是一个观察性指数：公开社区里的用户如何描述自己使用某个模型家族的体验——从真实评论中提取正负体验信号。它不是能力评测，也不能说明模型能力的强弱。

我们持续分析 Reddit、Hacker News 与中文社区（知乎等）的公开评论。每条评论经 LLM 流水线归类为按模型、按维度（编程、推理、安全拒答、速度……）的体验信号。Global 分数平等汇总每条有效意见；平台只用于来源拆分与审计，不参与加权。

主分数使用 7 日滚动窗口，脉冲使用 24 小时。低于最低样本阈值的模型或维度显示「样本不足」而不是分数。本站每个数字都标注样本量。

版本分只统计明确点名该版本的评论。「ChatGPT」「Claude」这类泛称只计入家族分，因此家族样本量通常更大。低于最低样本阈值的版本只展示提及量，不展示分数。

一键报告是独立的第一方信号。我们按「哈希 IP × 模型 × 天」去重，从不存储原始 IP，只展示聚合计数。直接报告会与社区信号交叉校验以识别刷票，且不进入体感分本身。

所有变化都表述为用户感知的体验变化，而非模型能力结论。异常标注区分与公开事件的强匹配、弱匹配或无匹配。不知道的，我们直说不知道。