CONTENT SAFETY BENCHMARK / 01

同一套判据，
谁更可靠？

用真实安全数据集衡量 Jev 与 DeepSeek Flash 的质量、速度和成本。不是“通过 / 不通过”，而是逐个风险方向比较。

当前公开范围

3 个内容安全数据集

— 配对覆盖率

正在读取可公开的聚合结果…

总体消耗

所有数据集 · 两模型 · 不含失败与重试

TOTAL TOKENS —

输入与输出 token 合计

TOTAL COST —

最终成功结果的 API 费用

数据集

最终成功结果口径，不含失败与重试

READOUT

指标

按样本中的阳性数量排序。类别样本极少时，单项分数不宜独立解读。

DATA

两种模型处理相同样本，并按各数据集对应的安全分类体系评分，避免样本差异影响比较。

COST

token 与费用只汇总每个样本、每个模型的最终成功结果；失败请求和重试请求不计入。

PRIVACY

公网版本不包含原始对话、模型原始响应、样本标识或任何 API 凭据。

RUN — TAXONOMY — UPDATED —