Verdict
评测结论
Recap
三场评测，各自发生了什么
每个场景对模型的考验不同：游戏考验交互与状态管理，编年史考验信息架构与视觉表达，数据看板考验图表能力与数据处理。下面是逐场的核心结论。
Scenarios
三个测试场景
点进任意场景可以直接试用四个模型的原始产出，并查看该场景的评分明细与能力雷达图。
Scoreboard
综合评分表
按总分降序排列。每个场景 6 项维度、每项满分 10 分。
六维能力分布
取各已完成场景的维度均分
Method
评分维度
每个维度独立打分（0–10），由同一名评估者在相同环境下人工体验后给出，避免跨人标准漂移。