2.9.26
Phát hành ngày 2 tháng 11 năm 2026
Trang web chính thức của Pairwise LM
llm benchmarks chạy cục bộ trên Windows
Pairwise LM chạy các script của bạn để xây dựng bảng xếp hạng llm, và phiên bản 2.9.26 giúp bạn đo hiệu năng trên phần cứng tại chỗ. Bảng xếp hạng riêng của bạn.
Điểm tệp CSV với độ khớp chính xác và in phần trăm độ chính xác.
- write_file
score_results.pyđã lưu - edit_file
score_results.py+3 - Shell
python score_results.pyexit 0 - read_file
score_results.py8 dòng - grep
accuracy0 khớp
chờ bạn xác nhận trước khi thực hiện bước tiếp theoTừ chốiChấp nhận
34 MB
Kích thước trình cài đặt tiêu chuẩn
25 MB
Tệp .exe đơn lẻ
13
Ngôn ngữ giao diện
11
Công cụ thao tác tệp
3
Auto-run, Ask first, Plan only
llm benchmarks do bạn kiểm soát
llm benchmarks yêu cầu khả năng tái lập nghiêm ngặt và chấm điểm chính xác, vì vậy bạn định nghĩa nhiệm vụ và quy tắc chấm điểm trước khi chạy các script đánh giá tại chỗ. Kiểm tra kết quả. Mọi hành động đều xuất hiện trong chat dưới dạng thẻ với kết quả thực để xác minh quy trình. Phiên bản 2.9.26 hỗ trợ đầy đủ và tự chạy các công cụ.
Chạy script đánh giá của bạn
edit_file áp dụng thay đổi với diff hiển thị, giúp bạn xem xét mọi sửa đổi trước khi lưu, còn Shell thực thi script trên PC để trả về kết quả thực và mã thoát. Công việc chính xác. write_file tạo script đánh giá trong khi read_file hiển thị toàn bộ nội dung file để bạn xem lại. grep tìm kiếm các mẫu cụ thể trong văn bản để giúp bạn tìm dữ liệu liên quan trong workspace. Pairwise LM phiên bản 2.9.26 xử lý đánh giá llm cho code của bạn với độ chính xác cao và hỗ trợ các tác vụ benchmark mô hình AI. Các benchmark đo lường xu hướng đồng ý này rất quan trọng để đánh giá chính xác.
Nhật ký công cụ
write_file score_results.py → saved
edit_file score_results.py → +24
Shell python score_results.py → exit 0Đo phần cứng của riêng bạn
Shell thực thi lệnh terminal để chạy quy trình build và kiểm tra trong khi read_file truy xuất kết quả đã lưu để ghi chép và phân tích kết quả benchmark. Chỉnh sửa file. grep tìm kiếm các token cụ thể trong log và lọc nhiễu khỏi dữ liệu. edit_file thay đổi script và hiển thị diff trước khi bạn phê duyệt thay đổi. Phiên bản hiện tại 2.9.26 hỗ trợ các công cụ này trên Windows 10/11. Kiểm tra kỹ kết quả để đảm bảo mọi thứ đều chính xác và sẵn sàng để xem xét.
Nhật ký công cụ
Shell gpu_monitor --tokens_per_sec --first_token --peak_memory --model local_model --repeats 3
read_file results/throughput_metrics.csv
grep "peak_memory" results/throughput_metrics.csvSo sánh từng cặp mô hình
So sánh từng cặp cho thấy mô hình nào tốt hơn, vì write_file lưu cả hai câu trả lời để phân tích sau này và Shell chạy script so sánh của bạn để đếm số lần thắng qua nhiều prompt. Chạy nó. Sử dụng write_file để lưu kết quả đầu ra để phân tích sau này bởi người dùng. Shell thực thi script và trả về mã thoát để xác minh. Đếm số lần thắng cho mỗi mô hình qua nhiều prompt để xác định người dẫn đầu. Phiên bản 2.9.26 hỗ trợ quy trình này để benchmark chính xác.
Nhật ký công cụ
write_file model_a.txt → saved
write_file model_b.txt → saved
Shell python compare.py → exit 0Xây dựng Bảng xếp hạng LLM
Agent đọc các file kết quả và tính toán giá trị trung bình và độ phân tán để bạn xem lại bảng trong chat và xác minh độ chính xác của điểm số. Kiểm tra các con số. Giao diện bằng 13 ngôn ngữ giúp người dùng toàn cầu dễ dàng truy cập. read_file đọc dữ liệu, và grep tìm kiếm các mẫu cụ thể trong kết quả đầu ra. Điều này xây dựng bảng xếp hạng riêng của bạn để so sánh mô hình AI với độ chính xác cao. Shell chạy lệnh để xử lý kết quả và xác minh mã thoát.
Nhật ký công cụ
read_file results.csv → 50 rows
Shell python stats.py → exit 0
grep mean stats.py → 1 matchNó khác với trợ lý chat thông thường như thế nào
Pairwise LM phiên bản 2.9.26 chạy lệnh của bạn và hiển thị kết quả thực trên một thẻ, trong khi trợ lý chat chỉ đề xuất hành động. Kiểm soát đầy đủ.
| Trợ lý chat thông thường | Pairwise LM | |
|---|---|---|
| Hành động | Tự chạy các công cụ | Tự chạy công cụ |
| Kết quả | Hiển thị tóm tắt văn bản | Hiển thị thẻ kết quả thực |
| Kiểm soát | Chạy tự động | Ask first hoặc Auto-run |
| File | Làm việc trên văn bản bạn dán | Đọc và ghi file |
Cách bắt đầu
- Tải xuống chương trình cài đặt 34 MB cho Windows 10 hoặc 11.
- Chạy chương trình cài đặt (khoảng 34 MB) và làm theo hướng dẫn.
- Mở ứng dụng và chọn điểm cuối mô hình hoặc mô hình cục bộ của bạn.
- Gửi prompt và xem agent chạy các công cụ cho bạn.
Ai sử dụng và khi nào
Nhà nghiên cứu viết logic chấm điểm của riêng họ và chạy trên phần cứng của họ để giữ kết quả thô bên cạnh điểm số. Đếm file. Chạy 5 bài kiểm tra trên máy cục bộ hôm nay để xác minh độ chính xác.
Kỹ sư chạy benchmark của riêng họ trên GPU cục bộ và agent ghi lại độ trễ và mức sử dụng bộ nhớ để so sánh mô hình AI trên phần cứng của họ. Họ xem xét kỹ lưỡng. Kết quả đầu ra xuất hiện dưới dạng thẻ với kết quả thực và chi tiết.
Sinh viên sử dụng nó để học về llm benchmarks, và họ viết các script đơn giản để chấm điểm câu trả lời trong khi agent chạy các script và hiển thị kết quả. Điều này giúp ích. Họ thấy chính xác các lệnh đã được sử dụng và hiểu quy trình.
Câu hỏi thường gặp
llm benchmarks là gì?
Một benchmark là một bộ nhiệm vụ cố định cùng với quy tắc chấm điểm, vì các mô hình khác nhau có thể được so sánh trên cùng một công việc, và bạn định nghĩa các nhiệm vụ. Sửa cài đặt. Ghi lại các phiên bản để tái lập trong các script đánh giá của bạn.
lmbenchmarks.com có phải là trang web chính thức của Pairwise LM không?
Có, lmbenchmarks.com là trang web chính thức của Pairwise LM, và nút tải xuống cung cấp chương trình cài đặt Windows (khoảng 34 MB) mà bạn nên xác minh bằng cách so sánh tổng kiểm tra SHA-256 của nó với bảng kê đã công bố. Kiểm tra hash. Việc ghi lại IP xảy ra khi truy cập trang tĩnh để tải xuống.
Pairwise LM giúp đánh giá chất lượng mô hình như thế nào?
Pairwise LM là một agent tự chủ chạy các script đánh giá của bạn thông qua Shell và chỉnh sửa chúng với diff, vì vậy bạn có thể so sánh câu trả lời của mô hình cạnh nhau. Nó hoạt động cục bộ. Nó hiển thị kết quả thực trong chat cho mọi hành động.
Benchmark AI GPU là gì?
Một benchmark AI GPU là đo lường khối lượng công việc của chính bạn, vì vậy bạn đo số token trên giây và bộ nhớ đỉnh trên PC của bạn hoặc qua SSH trên máy chủ bạn sở hữu. Số liệu thực. Có, nó đo số token trên giây và bộ nhớ đỉnh trên phần cứng của bạn.
Agent có chạy trên Windows không?
Có, Pairwise LM chạy trên Windows 10 và 11, và chương trình cài đặt là 34 MB trong khi bản portable .exe là 25 MB. Không cần tài khoản. Giao diện bằng 13 ngôn ngữ nên bạn có thể sử dụng nó một cách dễ dàng.
Tôi xác minh bản tải xuống như thế nào?
Tổng kiểm tra SHA-256 đóng vai trò là dấu vân tay kỹ thuật số duy nhất cho file cài đặt, và bạn xác minh nó bằng cách chạy lệnh certutil để so sánh kết quả với bảng kê đã công bố. Khớp tổng kiểm tra. Điều này xác nhận file khớp với bảng kê để cài đặt an toàn.
Bạn tin tưởng những benchmark công khai nào?
Một benchmark là một bộ nhiệm vụ cố định cùng với quy tắc chấm điểm, vì các mô hình khác nhau có thể được so sánh trên cùng một công việc bởi bạn. Tin tưởng của bạn. Bạn kiểm soát các prompt và cài đặt cho mọi bài kiểm tra.
Chạy benchmark của bạn ngay hôm nay
Tải xuống Pairwise LM phiên bản 2.9.26 cho Windows 10 và 11, vì chương trình cài đặt là 34 MB và bản portable là 25 MB. Chạy nó.
Tải xuống Pairwise LM cho Windows ↗Điều hướng trang web
Mỗi trang của trang web này có sẵn bằng 20 ngôn ngữ.
Chi tiết sản phẩm ↗ Cấu hình mô hình ↗ Ví dụ về quy trình ↗ Tải xuống trình cài đặt ↗ FAQ và hỗ trợ ↗ Chính sách bảo mật ↗
