大模型有各种测试、评分，看的眼花缭乱。 
对于 Vibing Coding 来说，这两个指标感觉很重要： 

召回率：大模型对前面的信息还能记住多少
指令遵循：大模型能不能按要求办事

我找到了这两个网站： 
召回率：https://contextarena.ai/ 
指令遵循：https://livebench.ai/ 表格中“IF Average”那一列 
各位佬可以看看这两个指标与自己的体验相不相符。