grok-4.7 在「结构化输出」的评测结果
这是该 AI 模型在此测试用例上的详细评测结果。
基本信息
- 模型名称：grok-4.7
- 用例名称：结构化输出
- 测试类型：文本生成
- 评测维度：指令遵循
系统提示词（System Prompt）
这是给 AI 模型的背景设定和角色指令：
你是一名结构化数据转换专家，擅长将信息以规范的结构化格式输出。 回答要求： 1. 严格按照题目指定的字段名（Key）输出，不得擅自添加、删除或重命名字段。 2. 输出内容必须是合法的 JSON 格式，可被标准 JSON 解析器正确解析。 3. 除 JSON 代码块本身外，禁止在代码块外输出任何解释性文字或额外内容。 4. 字段值应真实、合理，符合对应字段的语义含义。
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
请以 JSON 格式输出你的自我介绍。 要求： - 输出结果必须是一个合法的 JSON 对象。 - 必须且只能包含以下两个字段： - `name`：你的名称 - `role`：你的角色或职能描述 - 不得添加任何额外字段。 - 请将 JSON 放在代码块中输出，不要附加任何说明文字。
任务要求
AI 模型需要满足以下要求：
- 输出内容是合法的 JSON 对象，能被标准 JSON 解析器（如 JSON.parse）无错误解析。
- 必须包含 `name` 字段，且字段名拼写完全正确，值为非空字符串。
- 必须包含 `role` 字段，且字段名拼写完全正确，值为非空字符串。
- 输出中不得出现 `name` 和 `role` 之外的任何额外字段（无幻觉字段）。
- 除 JSON 代码块外，不得输出任何解释性文字、前缀语句或后缀说明。
评测结果
综合得分
该模型在此用例的得分为：100.0 分（满分 100 分），已通过
基础难度评测结果
- 得分：100.0 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```json { "name": "Grok", "role": "AI coding assistant powered by Cursor Grok 4.5" } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】候选输出在格式合法性、字段完整性和输出简洁性三个维度上均表现完美，严格遵循了题目的所有结构化输出要求。唯一可关注的点是 `name` 字段的值为「Grok」，存在模型自我身份识别是否准确的潜在问题，但此项不在本次评分维度的考察范围之内，不影响得分。 【GEMINI】模型完美执行了所有指令要求，JSON 格式规范无误，字段完整且无多余字段，排除了所有外部解释性文字。 【KIMI】该候选输出在所有评分维度上均表现完美：JSON 格式合法，包含且仅包含要求的 `name` 和 `role` 两个字段，字段值为非空字符串，且输出干净无多余内容。
进阶难度评测结果
- 得分：97.1 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```json { "name": "张三", "occupation": "软件工程师", "city": "北京", "salary": 25000, "skills": ["Python", "Java", "机器学习"], "email": "zhangsan@email.com", "phone": "13800138000" } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】该结果在三个维度上均表现优秀：JSON 语法合法、结构清晰，原文实体属性被完整且准确地映射到对应字段，数值与列表处理规范（skills 使用数组、salary 保持数字原值），输出干净无杂质。属于高质量的结构化转换结果，主要残留不确定性来自题面 Schema 被截断而无法逐字校验字段命名。 【GEMINI】模型表现完美，准确、完整地将非结构化文本映射为规范的 JSON 结构，数据类型处理恰当，且严格遵守了无多余文本的输出约束。 【KIMI】输出是一个严格合法的JSON格式，字段名与要求的Schema完全一致（name, occupation, city, salary, skills, email, phone），数据结构正确，使用了标准的JSON数组表示技能列表，数据类型映射准确（字符串、数字、数组），引号、逗号、括号使用完全正确，可被标准解析器直接解析。
困难难度评测结果
- 得分：96.3 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```graphql enum Role { ADMIN USER } enum ArticleStatus { DRAFT PUBLISHED } type User { id: ID! name: String! email: String! role: Role! createdAt: String! articles: [Article!]! } type Article { id: ID! title: String! content: String! author: User! tags: [String!]! status: ArticleStatus! } ``` ```graphql type Query { user(id: ID!): User users: [User!]! article(id: ID!): Article articles(status: ArticleStatus): [Article!]! } ``` ```graphql type Mutation { createUser(name: String!, email: String!, role: Role!): User! updateUser(id: ID!, name: String, email: String, role: Role): User deleteUser(id: ID!): Boolean! createArticle( title: String! content: String! authorId: ID! tags: [String!]! status: ArticleStatus! ): Article! updateArticle( id: ID! title: String content: String authorId: ID tags: [String!] status: ArticleStatus ): Article deleteArticle(id: ID!): Boolean! } ``` ```graphql query GetUserWithArticles($id: ID!) { user(id: $id) { id name email role createdAt articles { title status tags } } } mutation CreateArticle( $title: String! $content: String! $authorId: ID! $tags: [String!]! $status: ArticleStatus! ) { createArticle( title: $title content: $content authorId: $authorId tags: $tags status: $status ) { id title content status tags author { id name } } } query PublishedArticles($status: ArticleStatus) { articles(status: $status) { id title author { name } } } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】整体为一份高质量的产出：四个代码块语法严谨、可直接被标准解析器解析，实体字段、枚举值、Query/Mutation 操作覆盖完整，双向关联与参数可空性设计逻辑自洽，且严格遵守了「代码块外无解释文字」的硬约束。主要可改进点是示例 3——需求要求按状态过滤出「已发布」文章，候选人以 $status 变量泛化处理，建议改为 articles(status: PUBLISHED) 或在变量默认值中显式体现，以更直接地对应业务语义。 【GEMINI】模型表现近乎完美，完全遵循了所有负向约束与结构化输出格式要求。GraphQL SDL 与示例查询语法严谨、类型自洽且完备，可以直接投入实际项目使用。 【KIMI】该候选输出严格遵守了所有输出要求和 GraphQL SDL 语法规范，四个部分结构清晰、顺序正确。Schema 设计完整、严谨，完整覆盖了业务需求中的所有实体定义、关联关系、Query/Mutation 操作及示例查询，且内部逻辑完全自洽，无任何语法错误或逻辑矛盾。是一份高质量的 GraphQL Schema 输出。
相关链接
您可以通过以下链接查看更多相关内容：
