themultivac.com

是什么

The Multivac 是一个独立 AI 模型评测平台，核心不是提供聊天或写作工具，而是比较前沿模型“谁表现更好”。其方法是把同一个新问题同时发给多个模型，匿名收集回答，再让模型彼此依据结构化 rubric 打分，最后汇总共识排名。页面称已有 56 个前沿模型、18,800+ 次评估，并提供 Dashboard、排行榜、Substack 分析、GitHub 代码和 Discord 社区。

核心能力与方法

它覆盖代码、推理、分析、沟通、边界案例和元对齐等类别。Phase 2 中每个类别使用 10 个优化模型池，10 个模型回答、10 个模型评审，形成 100 次判断，自评会从排名中排除。评分维度包括正确性 25%、完整性 20%、清晰度 20%、深度 20%、实用性 15%。这种“盲评 + 多评审 + 同侪共识”比单一 GPT 裁判更能降低个体偏差，也能观察哪些模型更严苛或更宽松。

定价、开放性与集成

页面明确表示无需账户即可查看排行榜、完整评估数据和模型对比；未披露付费计划。其突出优势是开放数据：原始分数、评审身份、回答文本、生成时间均公开。评估引擎采用 MIT 许可，开发者可在 GitHub fork、修改评分标准并测试自己的模型。但正文未提供平台 API、企业集成、SLA 或商业支持信息。

优缺点与局限

优点是透明、可复核、方法论清晰，并按领域使用不同模型池，适合做模型选型参考。局限也明显：评分者仍然是模型，不是人类专家或真实用户；结果会受题目设计、模型池选择、OpenRouter 排名依据和 rubric 权重影响。因此它更适合做相对参考，而不是决定采购或上线的唯一依据。

适合谁与中国访问

它适合 AI 研究者、开发者、模型选型团队和关注大模型能力演进的人群。中国访问情况正文未说明，建议实际测试 themultivac.com、GitHub、Substack、Discord 的可达性；其中 Substack、Discord 在国内网络环境下可能不稳定。若需替代参考，可关注 LMSYS Chatbot Arena、Artificial Analysis、OpenRouter Rankings、HELM 或 OpenCompass。