5 个前沿 LLM 为 39 个本地 LLM 的 50 条提示词打分

一位用户在 5060 Ti 16GB 等本地硬件上让 39 个本地 LLM 跑约 50 条提示词测试，再由 Claude、GPT-6.1、Gemini 4 等前沿模型对输出打分，Codex 评分消耗两次 5 小时额度、Argon 花费约 30-40 美元。