原始需求
Build a polished weather dashboard. After implementing it: 1. Run the application. 2. Open it in the browser. 3. Inspect the rendered result yourself. 4. Fix any visual or functional issues you notice. 5. Repeat until you are satisfied.
Weather Dashboard
4 个运行 · 13.A.01 · HTML

预览说明: 实时天气请求可能不可用;成果内置缓存与离线回退。
PROMPT/Phase1_TEST_PROMPTS_BILINGUAL.md · 逐字保留原始需求,未做改写
Build a polished weather dashboard. After implementing it: 1. Run the application. 2. Open it in the browser. 3. Inspect the rendered result yourself. 4. Fix any visual or functional issues you notice. 5. Repeat until you are satisfied.
构建一个精致的天气仪表盘。实现后:1)运行应用;2)在浏览器中打开;3)自行检查渲染结果;4)修复发现的视觉或功能问题;5)重复上述过程,直到满意为止。
应交付一个在浏览器中实际运行并经过多轮视觉与功能自检的天气仪表盘。页面应清晰呈现地点、当前天气、温度、体感、关键气象指标以及逐小时或多日预报,并对加载、失败、空数据和刷新状态提供反馈。若使用实时 API,应妥善处理时区、单位、网络超时和缺失字段;若无网络,应提供明确降级状态。所谓“精致”应体现在一致的视觉系统、数据层级、天气状态表达、响应式布局、交互细节、可访问性和无明显渲染缺陷。实现者应亲自在浏览器中反复检查并修复,而非仅完成代码。
三个结果使用同样的宽度、同样的预览比例,不标注「最佳模型」。
跨模型比较需注明 harness、预算与隔离差异。
| 指标 | DeepSeek-V4.1-Flashrun-deepseek-v4-1-flash-exp-0910-task-13-r1 | Muse Spark 1.3run-muse-spark-1-3-task-13-r1 | GPT-5.6 Solrun-gpt-5-6-sol-task-13-r1 | K3run-k3-task-13-r1 |
|---|---|---|---|---|
| 运行时间 | 27:17 | 4:46 | 6:29 | 51:23 |
| API 调用 | 111 | 30 | 6 | 65 |
| 工具调用 | 137 | 31 | 5 | 81 |
| 失败 / 重试 | 9 | 2 | 0 | 1 |
| Token 过路量 | 1272.7万 | 84万 | 19万 | 567.5万 |
| AI 评价 | 90/100 | 94/100 | 60/100 | 92/100 |
同一任务版本下的两次运行可并排比较。
输入关键词;↑ ↓ 选择,Enter 打开
没有匹配的档案记录。