GardenBench：面向 LLM 能力的轻量级日常评测基准

GardenBench 是一个包含 11 个测试套件的 LLM 评测基准，通过轻量查询逐日记录模型性能变化，并同时追踪运行成本与耗时。该基准可对比不同模型提供商与版本的回答准确率和特性，捕捉模型上线后变更或新模型发布带来的性能提升与退化。评测基于通用任务，结果通过实时仪表盘公开，定位为面向消费者的低成本日常评测。