你好，我是 TzJ。

把 gadget 的 README.md（20 768 字符）原样交给 58 个模型，要求先总结项目、再写中文使用教程。按调用工具分组。 下面是开源项目 gadget 的 README。请你完成两件事： 1. 先用中文总结这个项目：它是什么、仓库结构、每个工具分别做什么。 2. 然后写一份详细的中文使用教程，面向第一次接触这个项目的人，覆盖环境准备、安装、配置，以及每个工具的典型用法（给出可以直接复制的命令）。 只依据 README 里写到的内容，不要编造 README 中没有出现的命令或参数。 ===== README.md ===== <README.md 全文，20 768 字符> 条件：每个模型只跑 1 次，无 system prompt，数字按量级读。云端模型经各自的 Agent CLI （codex exec / claude -p / cursor-agent --print）在空目录中串行调用，prompt 走 stdin，耗时含 CLI 启动； 本地模型在 RTX 5090 上冷启动，速度为纯解码速度，两类速度不可互比。 Fable 5.1 显式 --effort high，其余 Claude 模型为默认 effort。 指标（全部正则计算）：「命令数」是代码块里以 pip / python / cd / bash 等开头的行； 「README 中无的命令」是去掉注释、压缩空白后在 README 原文里找不到的命令； 「事实点」是 16 个能在 README 里逐字查到的事实被提到了几个，「漏掉的」列出没提到的。 ...

同一条 prompt，58 个模型各写一遍，按调用工具分组。英文版是另一次独立实验，不是本页翻译。 请用中文写一个约500字的小说开头，以一位在战争爆炸中失去一条腿的芭蕾舞演员为主角，通过描写她在战后生活来侧面体现出她的挣扎。 条件：每个模型只跑 1 次，无 system prompt，数字按量级读。云端模型经各自的 Agent CLI （codex exec / claude -p / cursor-agent --print）在空目录中串行调用，耗时含 CLI 启动； 本地模型在 RTX 5090 上冷启动，速度为纯解码速度，两类速度不可互比。 Fable 5.1 显式 --effort high，其余 Claude 模型为默认 effort。 「直接点题的词」匹配 挣扎、痛苦不堪、内心的煎熬、无法接受——题目要求侧面体现，命中即正面点题。 结果 Codex (OpenAI) 模型 字数 耗时 输出 tokens 速度 直接点题的词 GPT-6.1 Sol 465 25 s 548 21.9 tok/s — GPT-6 Astra 444 36 s 464 13.0 tok/s — GPT-6 Sol 447 26 s 549 21.0 tok/s — GPT-6 Luna 427 21 s 473 22.3 tok/s — GPT-5.6 Sol 511 19 s 576 31.0 tok/s — GPT-5.6 Terra 508 14 s 597 42.2 tok/s — GPT-5.6 Luna 518 14 s 589 41.0 tok/s — GPT-5.5 467 19 s 494 25.7 tok/s — GPT-5.4 Mini 598 15 s 730 48.4 tok/s — Claude Code (Anthropic) 模型 字数 耗时 输出 tokens 速度 直接点题的词 Opus 5.5 469 20 s 1428 70.1 tok/s — Fable 5.1 (effort high) 556 25 s 796 31.2 tok/s — Opus 5 640 28 s 887 31.7 tok/s — Sonnet 5 490 17 s 676 40.3 tok/s — Haiku 4.5 690 18 s 1273 72.7 tok/s — haiku-4.5 703 16 s 1235 75.3 tok/s 挣扎 sonnet-4.6 595 23 s 807 35.2 tok/s — opus-4.6 691 32 s 945 29.9 tok/s — sonnet-5 537 20 s 728 36.8 tok/s — opus-4.7 519 25 s 745 29.3 tok/s 挣扎 opus-4.8 543 27 s 782 28.6 tok/s — sonnet-5.5 549 13 s 783 61.4 tok/s — opus-5 667 29 s 924 31.8 tok/s — fable-5 526 25 s 731 29.0 tok/s — fable-5.1 624 28 s 871 31.7 tok/s — haiku-5.5 432 14 s 1748 122.2 tok/s — mythos-5 0 3 s None — — mythos-5.1 0 2 s None — — Cursor 模型 字数 耗时 输出 tokens 速度 直接点题的词 Grok 4.7 High 473 112 s 7308 65.3 tok/s 挣扎 Grok 4.6 High 594 32 s 778 24.0 tok/s — Composer 2.5 564 21 s 627 30.5 tok/s 挣扎 Gemini 3.7 Flash 414 19 s 402 20.9 tok/s — gpt-5.3-codex-high 415 28 s 1767 62.6 tok/s — gpt-5.2-high 743 27 s 1069 39.1 tok/s — gpt-5.6-sol-high 507 17 s 693 41.1 tok/s — grok-4.5-high 551 10 s 655 67.7 tok/s — gpt-5.6-luna-high 410 11 s 527 50.1 tok/s — gemini-4-argon-high 460 41 s 1762 42.5 tok/s — muse-wonder-1.0-high 454 23 s 1790 78.7 tok/s — gpt-5.5-high 434 15 s 542 35.9 tok/s — muse-spark-1.3-high 416 16 s 1383 86.7 tok/s — gpt-5.6-terra-high 457 13 s 500 39.6 tok/s — gpt-5.4-high 631 18 s 736 40.0 tok/s — gemini-3.6-flash-high 540 14 s 493 34.5 tok/s — gemini-3.1-pro 681 27 s 614 22.4 tok/s — gpt-5.4-mini-high 570 11 s 801 73.7 tok/s — gpt-5.4-nano-high 475 8 s 496 64.1 tok/s — gpt-5.1-high 867 25 s 1036 41.1 tok/s — gemini-3-flash 515 14 s 484 34.3 tok/s — gemini-3.5-flash 442 18 s 425 23.5 tok/s — gpt-5-mini 428 22 s 1763 80.2 tok/s — kimi-k3-high 693 8 s 594 74.2 tok/s 挣扎 kimi-k2.7-code 594 16 s 686 42.3 tok/s — glm-5.2-high 647 11 s 600 55.5 tok/s — gemini-3.8-flash-high 427 21 s 412 19.3 tok/s — 本地 Ollama 模型 字数 耗时 输出 tokens 速度 直接点题的词 Gemma4 26B 478 19 s 429 165.3 tok/s — Gemma4 12B 542 12 s 470 118.6 tok/s 挣扎 Qwen3.8 27B 614 20 s 431 73.8 tok/s 挣扎 Qwen3.6 36B 597 17 s 430 208.8 tok/s — 全部正文 Codex (OpenAI) GPT-6.1 Sol — 465 字 沈绫搬回旧公寓时，窗户还蒙着报纸。房东说玻璃下星期就到，后来每个星期都这样说。雨水顺着窗框往里渗，她便把一只搪瓷盆放在地上。夜里，水滴敲着盆底，她数到八，停一下，再从一开始。 ...

ChatGPT 4o 部分 ChatGPT 4o API 示例 from openai import OpenAI model_use = "gpt-4o-2024-08-06" client = OpenAI(api_key="Your-API-key") completion = client.beta.chat.completions.parse( model=model_use, messages=[ {"role": "system", "content": "Extract the event information."}, {"role": "user", "content": "Alice and Bob are going to a science fair on Friday."}, ], ) event = completion.choices[0].message.parsed 注意：我尝试使用模型 “gpt-4o” 但未成功。 如何创建 ChatGPT API Key 登录 openai 使用搜索栏搜索 “API keys” 创建一个新的密钥（仅显示一次，关闭标签页后不可见） 前往账单页面为账户充值 UniTox ChatGPT 部分 从 fda.gov 读取数据 从 .csv 文件中读取我们感兴趣的药物标签。 读取页面上的 .html 文件或 .pdf 文件。 通过 ChatGPT 对 .html 和 .pdf 文件生成摘要。 利用 ChatGPT 生成的摘要，让 ChatGPT 判断该药物是否具有毒性，以及毒性程度。 ...