C 语言练习室
第二期进展
9.23 → 10.18PR #6 – #32
01
学生端
同页：题意 · 代码 · 用例 · 反馈AI 只批注，不改代码
10.18批注挂在代码旁短回答 · 课件出处 · 批注入口
大模型效果评估10 个教学场景，220 次真实请求
测什么
学生：用例解释、对话批注、空代码起步
教师：建题、独立断言、提交诊断
课件：有来源引用、无相关来源
图像：代码流程图、扫描真值表
怎样判合格
每次按 5 条预设准则，记 0–5 分
达到 4/5 且无关键错误，才算合格
错行号、假引用、改错题意均不合格
失败、截断、无法解析计 0 分
原项目提示词 · 2026-10-0611 个模型的实测结果
| 模型 | 综合分 / 100 | 合格回复 / 20 | 耗时中位数 |
|---|
| Muse 1.3 Contributor | 93 | 18 / 20 | 5.35 s |
| GPT 6 Luna | 93 | 17 / 20 | 4.39 s |
| Space Bunny Free | 87 | 17 / 20 | 10.63 s |
| MiMo V2.6 Flash | 86 | 13 / 20 | 7.95 s |
| DeepSeek V4.1 Flash | 83 | 12 / 20 | 4.43 s |
| Muse 1.2 Contributor | 82 | 14 / 20 | 7.15 s |
| Qwen 3.8 Flash | 79 | 11 / 20 | 5.84 s |
| Longcat 2.5 Preview Free | 73 | 12 / 20 | 11.39 s |
| MiMo V2.5 | 64 | 10 / 20 | 18.77 s |
| GLM 5.3 Flash | 46 | 7 / 20 | 18.95 s |
| HY3 | 20 | 4 / 20 | 11.81 s |
没有发现只改模型名称，就能放心替换所有功能的候选
AI 提示词与工具同一模型，更少出错
12→20 / 20
10 个场景 × 2 次调优集 · Deepseek V4.1 Flash
9→12 / 12
未参与调优的新题调优时没见过 · 同一模型
38→51 / 60
5 个模型 · 新题合计按场景选择提示词与只读工具
配置定好后，用没参与调优的新题再测新题上的改善，并不一致
| 模型 | 同期原提示 | 优化配置 |
|---|
| Deepseek V4.1 Flash | 9/12 | 12/12 |
| MiMo V2.6 Flash | 6/12 | 10/12 |
| Space Bunny Free | 8/12 | 9/12 |
| Muse 1.3 Contributor | 8/12 | 8/12 |
| GPT 6 Luna | 7/12 | 12/12 |
5 个模型 · 新题合计
38 / 60 →
51 / 60
提高 21.7 个百分点
10.06 上线时保留 Deepseek：GPT 返回地区 403，MiMo 超时；实验成绩不能替代上线检查
03
管理员
多班级 · 名单 · 加入码评分表版本
0
行源码 · PR #12 – #17
课堂模式#15
分层提示插入代码#14
有帮助 / 无帮助区分#14
无人调用的代码#12
仓库内 1,138 个证据文件#13
0
名学生 · 12 个 40 人班
一个 OpenCode Go 套餐 · $10 / 月
按 300 人规划
10.08 实测每次调用开销；每周用量为假设（3 题、15 次自动解释、6 次提问）· 120 人同时触发自动解释 120 / 120 成功
进行中批量导入原题文件未合并
已通过检查每个样例来自原文件
2 项待核对列给教师确认
已导入过中断后可续
之后需要真实课堂才能回答的
Worker 靠近数据库
Smart Placement 已上线，等真实学生流量再测收益
AI 评分 × 教师评分
同一批提交对照一致性，再决定评分是否计入成绩
AI 用量与预算
记录每次 token 用量，接近额度时提前预警
套餐条款
多人使用 Go 套餐前确认条款，或改为按量计费
谢谢
tryc.studyC 语言练习室 · 第二期
→ 下一步R 重放F 全屏
