大模型能力测试

基础能力测试覆盖阅读理解、逻辑推理、代码和知识问答，用来看模型会不会做错题，而不是只看聊天是否流畅。

页面第一个入口是中转站检测，用来检查偷换模型、吞指令和假流式。中转站结果不代替这里的能力分。