AI评测终于要统一“度量衡”了？

现在的 AI 评测圈简直像个“乱战时代”，每个厂商出新模型时，都喜欢挑对自己有利的榜单说事，甚至自己造个榜单来自吹。这种碎片化的数据状态让用户很难在同一维度上客观对比不同模型的真实能力。

这次 Every Eval Ever 想做的事情其实就是给 AI 评测建一个“通用数据库”。如果能把所有主流评测结果都用统一格式标准化，我们就不用在无数个不同的 PDF 报告和网页表格之间跳来跳去对比了。这种基础设施的完善，其实比单纯刷高几个分数更有意义，因为只有度量衡统一了，AI 的能力演进才有可追溯的基准。希望这个项目能推动整个行业回归到更透明、更客观的评价体系中。