本地 LLM 性能测试工具

当前本地 LLM 的基准测试通常无法反映实际性能。创建一个工具，为开发者提供准确、实用的基准测试，用于将本地 LLM 与 Claude Code 等模型进行比较。开发者和 AI 研究人员愿意为此付费，以做出明智的决定。从一个运行预定义基准测试的 CLI 工具开始。最大的风险是跟上快速发展的 LLM 功能。