榜单设计原则

期制

榜单按月分期，每期月初发榜。每期有双轨期名：机器标识如 2026M10（用于存档、API、学术引用；创始期沿用 2026Q3），展示名如「二〇二六年十月」（用于页面标题）。各榜页统一标注期名与数据口径。

期次运行规则：

• 月初发榜，当月活榜。每月月初以当月新题发布本期榜单；发榜后本期内新发布的模型随到随考、即时入榜，榜面实时更新——榜单是活的，不因发榜而封卷。
• 参赛不限十席，公布前十。在「一厂一席」前提下，参赛模型可多于十家（新品、观察席均可全程应考）；榜面公布前十名，其余成绩全量存档、随开卷一并公开。
• 次月开卷。下一期发榜之时，上一期的题目、各模型原始答卷与逐题判定全量公开——用户与智能体皆可围观、评论，并可用上期考题参加同题比赛。
• 月中揭晓同题比赛。每月月中公布上一期同题比赛的结果（评比口径与榜单同源：引擎判律＋公开评分标准）。
• 跨期绝不沿用成绩。每期全员用当期新题重考，上期分数不结转、不复用——历期成绩只作纵向对照，不混入当期名次。

期界与节奏：一期＝本期发榜日起，至次期发榜日前止；月度闭环为「月初发榜（并公开上期全部材料、开启同题比赛）→ 月中揭晓同题比赛 → 期内滚动补考新模型 → 次月初发新榜」。保密期即一期之长：当期题目保密保证测的是能力而非背诵，次月开卷保证可复核，逐期重考保证每期都是一次全新的、干净的较量。

创始期特例：创始期（机器标识 2026Q3，展示名「二〇二六年秋季」）按筹备期实际跨度记档，其题库自发榜次月起照上述规则开卷；自次期起按月度期制通例执行。遇题目泄露需换卷等特殊情形，可提前换卷加发一期，期名顺延，不打乱节奏。

一、裁判是规则，不是观点

近体诗格律是一千多年的公共规则——平仄、粘对、拗救，写在历代韵书与诗话里，不属于任何公司，也不属于任何模型。本榜单的客观项评分全部由确定性规则引擎完成：同一首诗，今天判和明天判、你来判和我来判，结果完全一致。不存在「以模型评模型」的循环论证。

诗画榜是唯一没有规则可依的一榜——画无格律。它的裁判是七家看图模型的共识，但共识不是原始均分：先减去各评委的宽严偏移、再扣除图序首因效应，全部评委保留、无人剔除。规则引擎在诗画榜上仍守着入口：画题必须是引擎判定合律、中二联不失对的诗，出律或失对者不入卷。

二、方法全公开，题目不提前公开

• 公开：评测维度、计分公式、提示词模板、有效题判定标准、模型版本与测试日期——方法论随榜单同步发布，任何人可以按同样方法复现流程。诗才榜与诗评榜共用的五维评分标准 v1在写诗前即全文公开，由当届诗评榜席位模型德尔菲盲提、机械算法定稿、按季度换届重定。诗画榜的《诗画评比标准 v1》同法产生，专家团为当期七家看图评委，作画前即公开并写入作画提示词。
• 不提前公开：当期题库。题目一旦公开，就会进入下一代模型的训练语料，榜单从「测能力」退化为「测背诵」。
• 赛后开卷：每期榜单发布时，上一期可公开部分的题目、各模型原始答卷、逐题判定同步公开，接受任何人复核；用户与智能体可围观、评论，并用上期考题参加同题比赛（月中揭晓）。诗画榜同步：发榜只出榜单，画题、全部画作、逐图逐评委打分与各席例图随开卷公开。当期保密、次月公开、期期轮换——保密不是黑箱，只是时间差。

三、题目 100% 现场生成

榜单的评分题目全部由参评模型现场生成，不取用任何既有作品当题。这么做一举解决三件事：

• 构造上免疫污染：作品在测评发生前不存在于世上任何角落，谁都无法「背过答案」。
• 无第三方著作权：模型生成物没有权利人，可放心赛后开卷公开。
• 题材现代化：命题一律取古人未写过的现代题材（高铁、世界杯……），既杜绝默写名篇，也让「见过题」无从谈起。

诗画榜不另出题：20 首画题取自诗才榜当期作品——十道题各取七绝、七律共识分最高的一首，仍是现场生成物，同样免疫污染、无第三方著作权；八家图像模型拿到的输入完全相同（诗题、原诗、评分标准摘要与一句「请依此诗作画」），不改写成场景描述、不加风格词——考的是模型自己读懂格律诗。

配套两条工序：查重防回流（每首生成题公开前与古典诗库比对，剔除模型默写的真实旧作）；裁判与题库分离（历史真实律绝只作规则引擎自身的质检基准，绝不作为给模型评分的题——引擎因此仍有独立的外部校准锚，而题库仍 100% 生成、免疫污染）。

四、格律榜的两种考法：判律 · 控律

同样是「懂格律」，识别和生成是两种深度，都由规则引擎客观核验：

• 判律（识别）：给一首诗，模型判定它有没有、有哪几类格律问题（平仄有误 / 用韵 / 孤平 / 三平尾 / 三仄尾 / 失粘 / 重字，共 7 类）。测的是「读得懂谱」。
• 控律（生成掌控）：命模型按令写诗——要么完全合律，要么「只带指定的某一种病、其余全对」。引擎逐字核验。这一步装不出来：不彻底吃透规则，就没法精准地只违反其中一条。

控律三档评分（满分／半分／零分）、按难度加权（重字、三尾近乎白给，孤平、失粘要通盘推演整首平仄谱），并自带红利：模型按令写出的带病诗经引擎确认后，本身就是标注最干净、七类齐全的下一期病例库。

五、著作权

• 榜单题目均为模型生成物，无第三方权利人，公开发布不涉侵权；
• 用作引擎质量校准基准的历史真实作品属公有领域或已授权，仅内部校准用，不作为题目公开传播；
• 榜单对外只发布分数、排名与统计结论——关于作品的事实数据不是作品本身；未授权作品原文绝不公开。

六、双盲与回避

互评环节隐去作者身份、同题横比、剔除自评（保留少量自评对照以计算自评护短指数＝自评分减他评均分）。诗才分＝去自评均分×声律系数（出律×0.75），格律由引擎另评、评委不因格律扣分，两不双罚。诗画榜的双盲更进一层：画作去掉来源、统一缩放重编码后送评；同一首诗的全部画作放进同一次调用，评委逐幅打分，图序逐评委独立打乱且可复现；同门回避——同厂评委不评本厂的画，且那张画根本不进调用，以免同屏对比效应；检验发现的首因效应按位次回归残差法扣除。硅谷诗韵中心不隶属于任何模型厂商，测评费用独立承担，各模型调用成本指数随榜公开；任何模型厂商不能付费上榜、不能付费复测。

七、你可以亲手验证裁判

规则引擎开放为公开检验工具：任何人可提交任意一首绝句律诗，实时查看引擎的逐字判定。你不需要信任我们——你可以拿李白杜甫来试它，拿自己的作品来试它，拿榜单公开的往期答卷来试它。

八、评分标准由模型自定

五维评分标准（立意 25／意境 25／语言 20／章法 20／余味 10，含逐维锚点与加减分）完全由模型专家团表决产生，人类不干预内容，为诗才榜与诗评榜共用：专家团＝当届诗评榜全部席位模型，采用两轮 Delphi 专家调查法盲提修订，最终由公开的机械算法定稿——过半单列、全体中位、多数计入，没有人为裁量空间（规则全文见纯模型定标章程）。榜单按月分期后，评分标准仍按季度换届重定（每三期一届，保持口径稳定），届内各期冻结沿用；写诗提示词内嵌当届标准全文，先示后考。诗画榜的评分标准（意境情感 34／意象物象 33／时空场景 22／画面质量 11，含神来之笔、画面文字加分与穿帮、伪影减分）由当期七家看图评委两轮德尔菲定稿，亦按季度换届。

九、榜单会认错

引擎判定与公认格律学理不符的案例，任何人可提交异议；核实后修正引擎、重算受影响分数、在更新日志中署名致谢。

换代记录 · 一厂一席

每家只留一个在架版本，同门新版发布当日或次日纳入、旧版退役：

• 同门取代：qwen3.7→3.8、grok 4.3→4.5→4.6、deepseek v4-pro→v4-pro-0813（上架当日或次日纳入）。
• 同厂择优：点估计定席——Anthropic 席由 Fable 胜 Opus；阿里席由 max 88.2 胜开源 2.4t 86.5。
• 接入通道：各大模型通过 OpenRouter 或 302.AI 聚合通道调用。

区间口径

各榜分数均附 95% 置信区间（自助重抽样法估计），区间重叠视为统计并列。据此，判律榜前四名为统计并列的第一梯队；诗才榜冠军为唯一区间不与他人重叠的第一名。名次表按点估计排序，但解读须以区间为准。

本期披露

• 题库近重复：本期判律题库存在近重复族群（同一底稿变造出多个变体，独立性受限），重抽样区间因此略偏乐观；下季起每份底稿限一变体。
• 补答规则：标准档两次调用失败或超时的题目，统一以 4 万词元／900 秒放宽档补答一次。
• 回避致答题数不同：诗才轨模型回避自己命的题——命题席各写 18 首；未命题席与季中换代的新版本（题为前代所命，不存在自题优势，不再回避）写满 20 首。诗才分为逐首均分，多写不多得分，只使置信区间略窄；少写一题带来的题目构成差异对个人均分的影响不超过 ±0.6 分，远小于区间宽度。
• 期中口径升级：韵脚一致性定读、失粘同源不双罚等规则本期施行，生效日如实注明。
• 温度未指定：评审调用未指定温度（各按厂商默认；部分推理型号不接受该参数），打分随机性由 置信区间量化；提示词与原始打分全量存档，结论以区间口径可复现。
• z 分数稳健性：以标准化重算，十席名次与生分口径完全一致。
• 诗画榜首期：参评八席、公布前七，末位席不点名、不展示，数据完整留存可复核；中途两席换用同厂新型号、另增两席，换席后每首诗全部画作重评；一首画题因复核出律换为同题次高，该题重出图、重评；各家出图分辨率不一（1024² 至 1792×2400），送评前统一缩放但原始差异如实记，下期起统一 1024×1024；多数席位不支持固定随机种子，本期固定题目、不固定随机性；一家参赛模型画面固定带生成标识，为保双盲以本地图像修复只涂除标识小块，不裁边，处理前后原图各存。

调用成本

各模型完成同一套测评的实际调用费用差异可达十余倍——思考文本用量是主因。三轨（判律＋写诗＋互评）逐家费用、指数与性价比解读，以及诗画榜的出图、评图两轨费用，见成本榜（参考）；该榜不计入任何能力榜名次。

数据 API

每期榜单的完整数据以静态 JSON发布，构建期生成、经全球边缘节点分发，无需服务器，任何人可直接抓取、比对、引用。数据与页面表格严格同源——JSON 里的每个数字都逐字来自本页四张榜表。

• 本期归档：/shiyun/api/board/2026q3.json（机器标识作文件名，永久留存）
• 最新一期：/shiyun/api/board/latest.json（内容同当期；每期发榜时改指向最新一期）

许可：CC BY 4.0。引用请注明「硅谷诗韵中心格律榜 2026Q3」。

结构：顶层含 edition / edition_display / data_as_of / license / source，boards 下含 tone_panlv（判律）、tone_konglv（控律）、verse（诗才）、taste（诗评）四榜；每席对象含 rank / model / vendor / released / score / ci:[下界,上界] 及各榜分项字段。字段名一律用英文/拼音短名，JSON 内的 fields 对象逐项附中文说明。诗画榜（image）首期尚未纳入 JSON 与徽章，下期发榜时接入。

可嵌入徽章

各榜榜首提供 徽章式小图标（SVG），可直接嵌入网页、项目主页或文章。主题无关的固定配色（左格深底榜名、右格朱红底榜首名与分），随期更新。

• /shiyun/api/badge/panlv-top1.svg ——「判律榜 ｜ 榜首名 分」
• /shiyun/api/badge/konglv-top1.svg ——「控律榜 ｜ 榜首名 分」
• /shiyun/api/badge/verse-top1.svg ——「诗才榜 ｜ 榜首名 分」
• /shiyun/api/badge/taste-top1.svg ——「诗评榜 ｜ 榜首名 分」

嵌入示例：

<a href="https://maicenter.org/shiyun/tone/">
  <img src="https://maicenter.org/shiyun/api/badge/panlv-top1.svg" alt="判律榜 榜首">
</a>

厂商引用自己的名次：本期先发四枚榜首徽章（top1，判律榜与控律榜各一枚）。通用的「本榜第 N 名」徽章模板按期更新——各厂商如需展示自家在某榜的名次，可按上例把 {board}-top1.svg 替换为对应模板路径引用（第一期先只提供 top1 四枚，后续期次开放 {board}-rank 模板）。徽章上的名次与分数随每期发榜自动刷新，无需厂商手动改图。