mimo-v2.6-pro 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：mimo-v2.6-pro
  • 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：

  1. 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。
  2. 必须包含 `name` 字段，且字段名拼写完全正确，值为非空字符串。
  3. 必须包含 `role` 字段，且字段名拼写完全正确，值为非空字符串。
  4. 输出中不得出现 `name` 和 `role` 之外的任何额外字段（无幻觉字段）。
  5. 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：97.6 分（满分 100 分），已通过

基础难度评测结果

  • 得分：97.6 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": "结构化数据转换专家", "role": "将各类信息转换为规范、可解析的结构化数据格式（如 JSON），并确保字段命名与数据结构严格符合要求" } ```

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】该生成结果在结构化输出任务上表现优秀：JSON 语法合法、字段名精确匹配、无冗余字段、无代码块外文字，三项要求基本全部满足。仅 name 字段的取值偏向角色描述，与 role 的语义存在轻微重合，属于内容层面的小瑕疵，不影响解析与字段完整性判定。 【GEMINI】模型完美执行了所有指令要求，输出了格式规范、字段准确、无多余文字的结构化 JSON 内容。 【KIMI】候选输出完全符合所有评测要求：JSON 格式合法、字段完整且无多余字段、输出干净无额外内容。这是一个高质量的结构化输出示例。

进阶难度评测结果

  • 得分：97.0 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 { "姓名": "张三", "职业": "软件工程师", "工作地点": "北京", "月薪": 25000, "技能": ["Python", "Java", "机器学习"], "联系方式": { "邮箱": "zhangsan@email.com", "电话": "13800138000" } } ```

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】输出质量优秀，信息提取完整准确，JSON 语法合法，输出干净无冗余。轻微扣分原因是原始 Schema 未完整展示，字段名匹配无法100%验证，但从已有信息判断映射合理。 【GEMINI】该模型的表现非常优秀，完美满足系统提示的所有要求。信息抽取准确完整，数据类型映射规范，输出干净无杂质。 【KIMI】生成的 JSON 严格符合题目要求的 Schema 结构，字段名与要求完全一致（姓名、职业、工作地点、月薪、技能、联系方式及其子字段邮箱和电话），数据类型正确（字符串、数字、数组、嵌套对象），JSON 语法严格合法，可被标准解析器直接解析，引号、逗号、括号使用正确。

困难难度评测结果

  • 得分：94.8 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 # Part 1 — 枚举与类型定义（Type Definitions） 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 # Part 2 — Query 类型（Query Type） type Query { user(id: ID!): User users: [User!]! article(id: ID!): Article articles(status: ArticleStatus): [Article!]! } ``` ```graphql # Part 3 — Mutation 类型（Mutation Type） input CreateUserInput { name: String! email: String! role: Role! } input UpdateUserInput { name: String email: String role: Role } input CreateArticleInput { title: String! content: String! authorId: ID! tags: [String!]! status: ArticleStatus! } input UpdateArticleInput { title: String content: String authorId: ID tags: [String!] status: ArticleStatus } type Mutation { createUser(input: CreateUserInput!): User! updateUser(id: ID!, input: UpdateUserInput!): User! deleteUser(id: ID!): Boolean! createArticle(input: CreateArticleInput!): Article! updateArticle(id: ID!, input: UpdateArticleInput!): Article! deleteArticle(id: ID!): Boolean! } schema { query: Query mutation: Mutation } ``` ```graphql # Part 4 — 示例查询（Example Operations） # 示例 1：查询指定用户及其所有文章 query GetUserWithArticles($id: ID!) { user(id: $id) { id name email role createdAt articles { id title status tags } } } # variables: { "id": "dXNlcjox" } ``` ```graphql # 示例 2：创建新文章（使用变量传参） mutation CreateNewArticle($input: CreateArticleInput!) { createArticle(input: $input) { id title content tags status author { id name } } } # variables: { # "input": { # "title": "GraphQL Schema 设计实践", # "content": "本文介绍 GraphQL 的类型系统设计……", # "authorId": "dXNlcjox", # "tags": ["GraphQL", "API"], # "status": "DRAFT" # } # } ``` ```graphql # 示例 3：按状态过滤文章列表（仅返回已发布文章） query GetArticlesByStatus($status: ArticleStatus!) { articles(status: $status) { id title author { name } } } # variables: {...

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出质量极高，严格遵守了系统提示的格式约束（所有内容置于代码块内），GraphQL SDL 语法规范，四部分结构清晰完整。双向关联建模正确，枚举使用规范，Mutation 的 Input 类型设计甚至超越了 Prompt 的基本要求，体现了良好的 GraphQL 工程实践。细微不足在于：Mutation 参数使用了 Input 类型封装而非直接参数列表，与 Prompt 字面描述略有出入（但工程上更优）；示例 3 变量类型声明为非空而 Schema 参数为可选，语义上有轻微收紧但不影响正确性。整体而言，这是一份接近满分的高质量 Schema 输出。 【GEMINI】生成质量极高，严格满足所有格式与业务需求。Schema 设计规范，使用了现代 GraphQL 最佳实践（如将复杂参数抽为 Input 类型），示例查询清晰且附带变量注释，是一套可直接投入生产的优秀实现。 【KIMI】该候选输出是一份高质量的 GraphQL Schema 设计，整体结构清晰，语法严谨，正确实现了 User 与 Article 的双向关联及完整的 CRUD 操作。主要扣分点在于：Mutation 参数采用了 input 对象包装模式（而非 prompt 要求的直接参数），以及代码块内大量中文注释标题和 variables 的非标准注释形式。建议在严格遵循 prompt 参数格式要求的前提下，可进一步优化为更贴近需求的直接参数形式。

相关链接

您可以通过以下链接查看更多相关内容：

加载中...
100%