编程智能体与代码 · 工具介绍
OpenCompass
安装后配置评估任务，对语言及多模态模型执行统一组织的能力评估。
OpenCompass 能做什么
安装后配置评估任务，对语言及多模态模型执行统一组织的能力评估。
- 语言模型与智能体质量评估及回归检查
如何使用 OpenCompass
运行模型能力评估任务
准备输入
- 待测模型
- 评估任务配置
- 测试资源
操作步骤
- 在评测配置中选择模型、数据集和需要比较的能力任务。
- 运行对应评测流程，保留模型版本与本轮配置。
- 按任务查看结果和异常样例，在相同条件下比较不同模型。
预期交付物
- 评估结果与任务记录
核对模型版本、数据范围及运行配置。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估OpenCompass
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
