凭据泄漏修复：通过测试之后
从一个真实漏洞出发，比较模型的修复结果，追查原题通过后仍存在的客户端复制缺口。
- 9 个模型
- 18 次主实验
- 2 次延时探针
AGENT EXPERIMENTS
Agent 实验室
从真实问题出发，记录不同模型在同一 Agent 下的表现。选一个实验，看结果，也看证据。
Hermes
1 项实验同一个 Agent，观察不同模型如何完成真实开发任务。
即将加入
- PI下一组 Agent 实验。
- 更多 Agent后续实验会按 Agent 持续加入。
UTILITY
Prompt 任务估算器
粘贴一个任务 Prompt，识别任务类型，比较 AIHubMix 模型的上下文、Token 消耗和完成费用。