Moby Dick Workouta month agohttps://www.hogbaysoftware.com/posts/moby-dick-workout/‘Moby Dick 压力测试’是一项利用小说《白鲸记》来评估应用性能的测试。关键测试步骤包括打开文件、滚动、调整大小、编辑和检查内存使用情况。该测试旨在确保应用能够处理用户生成的内容，而不会出现性能问题。测试文件如MobyDick.bike、MobyDick.opml和MobyDick.markdown为不同类型的应用提供。
CursorBench 3.1a month agohttps://cursor.com/evalsCursorBench 3.1通过真实的Cursor会话中的模糊、多文件任务来评估智能体，分数越高表示性能越好。该基准测试包含Fable 5 Max（72.9%）、Fable 5 Extra High（72.0%）等模型，分数范围从Kimi 2.5的31.9%起向下分布。每项任务的平均成本是使用每个模型公布的每百万令牌定价，应用于CursorBench 3.1任务中使用的令牌数量，并在各项任务中取平均值计算得出。