禁用联网，禁用代码执行 
尽可能测试所有卷子，每个题测 3 次， 3 次全做对才算对 
因为我没钱买 api 所以大部分只能测官网了 :tieba_087: 
不能多模态的模型不测多模态题目，除非是可以通过非常简单的无歧义的语言描述的题 
星光组：特别特别有希望拿满分的模型 
投票
阳光组：也有希望，但优先级略低一档的模型 
投票