smevals：用于评测模型、提示词与评测框架的小型评测套件

smevals 是 Simon Willison 与 Prime Radiant 实验室合作开发的新工具，用于跨不同模型配置运行小型评测套件并对结果打分。它支持通过 `uvx smevals run` 对 gpt-5.5、claude-opus-4.6 等模型运行评测，并将运行与打分分离，最终可生成静态 HTML 报告。这是 Willison 在评测方法上的第三次迭代。

查看原文：https://simonwillison.net/2026/Jul/31/smevals

来源：Simon Willison 博客