CSAT-benchmark 用 2026 韩国高考测评数十款 LLM 并公开成绩仪表盘

GitHub 仓库 hehee9/CSAT-benchmark 记录并统计了各 LLM 解答 2026 韩国大学入学考试（수능）及模拟考题目的大量测试结果。测试覆盖国語、数学、英语、韩国史及物理1、化学1、生命科学1、社会文化四个探究科目（总分450），通过官方 API 进行，不提供系统提示词和搜索、计算器等外部工具，分普通模式（按科目整卷作答）和简单模式（逐题作答），成绩在仪表盘公开。评测对象包括 OpenAI GPT 系列（GPT-6.1 Sol、GPT-5.5 Pro 等）、Gemini、Claude、Grok、DeepSeek、Qwen、GLM、Kimi 等数十款模型的不同推理档位，另含图像题与纯文本题得分对比、API 成本与成绩相关性分析。