1. 项目简介

用 GPT-5.5 写了一个中转站代码智力评测网站，服务器有点拉，跑得比较慢，大概需要 1 小时左右。

项目名称：真假美猴王·中转站模型评测

在线网站：https://eval.nyzniot.cn

Docker Hub 镜像：gates456/monkeyking-proxy-eval:latest

开源地址：https://github.com/Gates-456/MonkeyKing_Proxy_Eval/tree/main

2. 中转站服务

如果你自己搭建了中转站，可以直接使用本项目进行模型评测。需要拼车使用中转站的用户，也可以使用下面的服务地址：

• 全球域名：https://token.ai123.abrdns.com
• 国内域名：https://ai123.nyzniot.cn

3. 快速部署

3.1 Docker 一键启动

docker run --rm -p 8080:8080 \
  -v monkeyking_proxy_eval_data:/app/data \
  gates456/monkeyking-proxy-eval:latest

启动完成后，在浏览器中打开：http://localhost:8080/

3.2 Docker Compose 启动

cd /home/robot/zzzphb/llm-coding-test
docker compose up -d

查看运行状态和日志：

docker compose ps
docker compose logs -f

停止服务：

docker compose down

4. 页面评测流程

1. 打开 http://localhost:8080/。
2. 点击「测试我的中转站」。
3. 输入中转站 API 地址，例如 https://your-proxy.example.com/v1。
4. 输入 API Key。
5. 点击获取模型列表，选择模型 ID。
6. 按需调整评测语言、并行数和评测轮数。Docker 镜像默认评测 Python、C++、Go、Java、JavaScript 五种语言。
7. 点击开始测试，等待 HumanEvalX 官方判题完成并查看结果。