同一批评论，对比两个模型的速度、费用和标注结果。 支持 CSV / Excel 导入、实时对决、录像回放和离线报告，默认 Jev vs DeepSeek，也可配置其他 OpenAI 兼容聊天模型。
使用 GPT-6 Astra 对同一批 10,000 条评论全量复核：只看原文和原标题独立标注，再对照两侧结果；另随机抽取 400 条复标。
| 指标 | Jev 1.13 | DeepSeek Flash |
|---|---|---|
| 处理耗时 | 203.2 秒 | 823.5 秒 |
| 费用（美元） | $0.84 | $1.50（估算） |
| 相关性准确率 | 94.70% | 96.26% |
| 情感准确率 | 82.91% | 84.54% |
| 意图准确率 | 77.90% | 80.33% |
| 三项同时正确 | 62.69% | 67.26% |
准确率采用允许合理歧义的口径，三项指相关性、情感、意图；这是 AI 参考下的复核结果，不是人工金标准。严格只认首选答案时，三项全对率为 50.58% / 55.45%。速度、费用与准确率均仅代表本次数据和配置。
需要 Node.js 22+；也可使用 Docker。
git clone https://github.com/NanmiCoder/jev-arena.git
cd jev-arena
npm ci
npm start打开 localhost:5173，填入 OpenRouter Key 和 DeepSeek Key，保存后点击「开始对决」。默认使用 20 条合成评论；可上传自己的 CSV / Excel，超过 30 条需确认。
结果保存在 runs/<运行ID>/，可随时回放；回放不调用模型。配置、导入格式与费用口径见 使用指南。
运行结束后，替换为实际运行 ID：
npm run report -- --run runs/<运行ID>离线生成两侧 HTML 报告，无需 Key。默认正文为事实草稿；需要 Agent 撰写分析时，按 报告生成指南 操作。
使用指南 · 标签契约 · 反馈问题 · 测试：npm test
MIT License。演示评论归原作者与平台，不属于代码许可范围。
