neurohive.io 开源 12 项可验证任务的模型评测基准 neurohive-bench

neurohive.io 在 GitHub 开源其自用模型测试基准 neurohive-bench，包含 12 项小任务，覆盖俄语文本摘要与纠错、代码修复、JSON 解析和定价逻辑等类别，用于对比本地模型与云端 API 的解题成本。评测采用确定性规则校验而非 LLM 评审，任务文本均为虚构内容以防模型记忆答案；任何人可用 Python 3.10+ 复跑，支持 OpenAI 兼容 API 与本地模型，代码任务在带超时的子进程中运行，官方建议在容器或 VM 中执行。