众测雷达

目前有两个独立频道：DeepSWE 测软件工程能力；庞贝壁画邻接恢复测试视觉推理能力，从 RePAIR 数据的 87 个独立 RP group 中留 1 个作公开示例，其余 86 个 group 各出 1 道正式题。两类成绩分开统计，不互相混分。

模型只需提交它判断存在的无向直接邻接边。隐藏评分器把预测边与该题标准邻接图逐条比较，计算 TP、FP、FN，再得出 Precision、Recall 和 F1；总榜主分是 86 题 Macro-F1，即每道题 F1 等权平均。绝对坐标、画布尺度、旋转、相对方向和最终拼图图像均不参与第一版判分。

×1.5。DeepSWE 使用平均通过率，壁画频道使用平均邻接 F1；各自的百分比乘以 1.5，就是 Codex 雷达同尺度的恢复 IQ——满分对齐：100% = 150 分，0% = 0 分。例如平均 F1 为 86%，恢复 IQ 就是 129。

会。

不会。每个任务实际使用的模型和推理档位由 DRadar 在认领时明确指定，并在隔离的 Docker 环境中运行；外层 Codex 对话选择什么模型都不会替换任务配置。

“一键领取”只负责认领任务，不会自动开始跑题。领取后仍需复制运行提示词并启动 DRadar；如果任务没有完成，请检查 Docker、任务运行和环境检查状态，而不是更换外层对话模型。

额度是你自己的，dradar 不替你管、也不读取普通志愿者账号的余量。Codex 已取消 5 小时滚动限制，现在只有7 天额度一道约束，表里的价签全部按周额度换算——大多数题只占你周额度的百分之几，比 5h 时代宽裕约 6 倍。价签按你的订阅档估算（用上方档位切换），认领时量力而行即可。万一跑到一半撞上额度墙，任务会直接失败、格子自动放回给别人——不会白占着，也不会偷偷替你等额度刷新。价签由历史实测 + 志愿者数据每 15 分钟自动校准；档位总容量由站方超级账号在真实任务前后通过 Codex app-server 测量，累计实耗至少 $50 才会生成候选值，并且必须经过人工确认才会更新。

DeepSeek 格子不使用订阅额度，而是你自己的 API 余额。北京时间工作日 09:00–12:00、14:00–18:00 为高峰价，其余时间及周六、周日全天为低谷价；页面刷新时自动选择当前价段，也可用按钮手动切换本页价签预览，实际 API 等价费用仍按每次请求发生时的价段分别核算。

GLM-5.3 与 GLM-5.3 Flash 统一使用当前官方标准 API 单价折算 API 等价成本，成本本身不套用 Coding Plan 的峰谷优惠或其他订阅折扣。模型卡片只统计请求账本完整的运行，并按当前标准 API 单价重算其历史 token 用量；历史已结算积分保持不变。

模型卡片上的美元参考价按哪个额度算？不按任何订阅档位算。订阅档位（Plus / 5x Pro / 20x Pro）只决定题目表里“这道题占你周额度百分之几”，不影响任何美元数字。卡片上的价格是 API 等价成本：服务端按每次运行的真实 token 用量和官网标准 API 单价折算，每道题取最近 3 次有效运行，再把所有题目合起来取中位数。2026-09-20 起由平均改为中位数，两个站从此用同一个数，一次特别贵的运行不会再把整档的价抬上去。服务端证据不足的档位显示“–”，不拿估价顶替；你在页面上筛选题目时，卡片会按所选题目另算一个中位数，并在价格下面标出来。这个价不代表订阅服务商真的扣了这么多钱。

那价段按钮管谁？只管 DeepSeek 和 DSH——只有这两家有低谷价和高峰价两档，切换价段会用所选价段重算同一批真实 token。其余模型没有价段之分，包括 Codex 原生 GPT 各档、Claude、Kimi、ZCode、Grok、Antigravity 和 CodeBuddy。

统一公式：贡献积分 = 基础分或可核验的 API 等价成本 × 基础倍率 × 荒地倍率。所有运行工具、所有题库都使用同一套格子语义；服务端在认领时锁定最终倍率，提交时不会变低。

基础倍率：Codex 原生 GPT 为 1×–2×；Codex DeepSeek API 与 DSH 均为 75×–150×；Kimi K3 为 10×–20×；ZCode GLM-5.3 为 5×–10×；ZCode GLM-5.3 Flash 为 10×–20×；Grok 4.6 与 Antigravity Gemini 3.7 / 3.8 Flash 均为 3×–6×；CodeBuddy HY4 Preview 为 5×–10×。区间内倍率随格子空闲时间逐档提高。

荒地倍率：精确到“题目 × 运行工具/模型 × 推理档位”的格子。只要从未产生过有效且干净的判分记录，就是荒地，最终倍率额外乘固定 1.5×，格子上会直接显示“荒地 1.5×”。第一次有效判分完成后，无论通过还是未通过，都永久退出荒地；异常、无效、待复核记录不算。

荒地满倍率示例：Codex 原生 GPT 为 3×；Codex DeepSeek API 与 DSH 为 225×；Kimi K3 与 ZCode GLM-5.3 Flash 为 30×；ZCode GLM-5.3 与 CodeBuddy HY4 Preview 为 15×；Grok 4.6 与 Antigravity Gemini 3.7 / 3.8 Flash 为 9×。

成本口径：DeepSeek 按每条请求发生时的官网峰价或谷价复算实际成本；Kimi、ZCode、Grok、Antigravity 与 CodeBuddy 按完整请求账本和官网标准 API 单价折算 API 等价成本。输入缓存与 thinking token 均按各服务商账本语义去重，绝不重复计算；CodeBuddy 请求账本不完整时只显示“–”且不结算，其他证据不足的旧口径会明确显示“兜底估价”或不结算，绝不把估价冒充实耗。

历史已结算积分不追溯重算；目前不设其他临时倍率奖励。

连续贡献奖励：每天按北京时间完成至少一道有效判分任务得 5 分；连续 3 / 7 / 14 / 30 天再得 5 / 15 / 30 / 60 分。同一天多跑不重复领取，断签后开始新一轮。

每天认领数量不限。并发上限和单次领题数按当前月榜排名逐步解锁：第 1–5 名为 40 并发 / 一次 40 题，第 6–10 名为 20 并发 / 一次 20 题，第 11–20 名为 10 并发 / 一次 10 题，第 21–50 名为 5 并发 / 一次 5 题，第 51 名以后及尚未上榜的新手为 2 并发 / 一次 2 题。跑完腾出位子就能继续领；排名变化后自动按新档位生效。

开始真实跑题就会显示自行车；同时有几路题目正在运行且状态正常，就依次显示几辆自行车和对应路数，约 15 秒刷新。最后一次有效跑题或提交后的 20 分钟内继续显示：前 10 分钟为“正在擦车”，后 10 分钟为“已停车”；期间接着跑会续在同一轮，超过 20 分钟才下掉并在下次重新计轮。蹬踏时间只算实际跑题时间，排队、换题、断线和留榜宽限不计时，并发重叠只算一次。

可以——并发上限与当前月榜档位一致：第 1–5 名为 40，第 6–10 名为 20，第 11–20 名为 10，第 21–50 名为 5，第 51 名以后及尚未上榜的新手为 2。新手默认 1 车；Mac mini M4（16GB 内存）最多可同时运行 10 车。如果你有高性能服务器，并且排名已经解锁，可以挑战 40 车。车数是同一账号在所有设备上的总并发上限。

每道题都在独立、一次性的 Docker 容器里跑和判分，测完即销毁，跟别的题、别人的环境互不串扰。上传前后两道敏感信息扫描，带密钥的补丁直接拒收；凭据文件从不上传。补丁和运行轨迹只进服务端判分与审计，不出现在公开页面和公开接口里。

公开身份：登录后默认用你的 GitHub 用户名和头像，天梯上的名字直接链到你的 GitHub 主页；右上角名字旁的按钮可随时切成「雷达身份」，头像换成像素头像、名字不再链到 GitHub，积分和排名不变；切换后最多 5 分钟对所有访客完全生效（大表的格子有边缘缓存）。要紧的一点：雷达昵称是你用 GitHub 注册时自动取的，默认就是你的 GitHub 用户名，不是你自己起的。切过去之后点一下自己的名字，不是你想公开的那个就改掉。

公开统计：天梯的公开数据里，关于你的数字是全部公开的 —— 积分和排名、提交与判分题数、token 合计、成本合计、连续贡献天数，还有你在每一路模型上各拿了多少分、DeepSeek API 跑了多少次花了多少钱；正在跑题时，连你用的是哪种接入方式也在里面。

公开判分结果：每道题公开你跑了哪个模型和推理档位、过没过、用时和成本，以及这一次是怎么计分、怎么计价的，没通过的也在内；正在跑和排队判分的格子同样显示是谁在跑。你正在跑题时还会公开：现在开着几辆车、在跑哪一路模型、已经蹬了多久。

客户端自报的结果一概不算数：每个补丁都在服务端的干净容器里重跑验证器打分。另有任务持有时间差、轨迹审计等多层检测，可疑提交先冻结——积分暂扣、不上榜、不计晋升，人工复核后：误伤的原数奉还（分一分不少），坐实的清零封号。