hi-fangj/dsh-models-radar

dsh-models-radar

dsh-models-radar · 模型能力雷达

把 deng.codexradar.com 的众测能力分装进 DeepSeek Harness：总览、趋势、成本，一屏读完。

English · 使用方法 · 数据与隐私 · 故障排查

面向 DeepSeek Harness Web GUI 的模型能力雷达插件。插件读取 deng.codexradar.com 的公开众测数据，在设置页增加「模型雷达」页面，并在输入框工具行内（模型选择器左侧）显示当前 session 所选模型的 DeepSWE 实时能力读数。

截图预览

设置页 · 能力总览 — 每基座最强档排行，行内标注分数出处 Harness（Codex / Claude Code / DSH / ZCode / Grok / Kimi Code / Antigravity / CodeBuddy），点击任意行切换下方图表的档位。

能力浮层 — 点击输入框旁的能力读数展开：跨基座对比选型 + 当前档位详情，「当前」标记实时跟随会话模型。

亮点

• 分数出处一眼可辨。 每个基座行内都带 Harness 徽章（Codex / Claude Code / DSH / ZCode / Grok / Kimi Code / Antigravity / CodeBuddy，站点同款配色），档位选择器的选项同样写全「模型 · 力度 · Harness」；识别不了的基座不打标，绝不猜测。
• 每基座最强档排行。 能力总览按基座聚合，行内嵌固定 0–110 绝对刻度的量级条与 24h 趋势信号，展开可查看该基座全部推理力度档位。
• 24h / 7d 双窗 IQ 趋势。 页签切换两个时间窗，各自独立缩放与统计（区间变化、最低、平均、最高）；曲线按能力等级分段着色。
• 成本 × IQ 三视角对比。 综合成本（站点同款「2.5 倍价格可换 1.35 倍速度」折算公式，图内归一化）、时间成本、费用成本页签切换；颜色＝基座、形状＝推理力度，同基座档位以折线相连，越靠左上越高效。悬停读数与站点同构三行：归属（展示名 · 计费 · Harness · 力度）、IQ（通过/总数）、当前指标与样本数。
• 社区体感分。 codexradar.com 主站社区按近 7 天 / 近 24 小时滚动窗打出的 0–10 体验评分柱状图：按基座分组、组内按推理力度排列，柱色＝基座，当前选中档位高亮（近似命中带 ≈），无人评分的档位以「未评分」占位；双窗独立计新鲜窗口，全局数据、与评测频道无关。
• 输入框旁实时读数。 通过 DSH 官方 per-session 模型目录精确匹配 model@reasoningEffort，会话切换模型立即更新；点击展开能力浮层做跨基座对比选型。
• 轻量、零凭据、可离线。 浏览器不直连上游（Host 同源代理），按类别新鲜窗口刷新、窗口内零上游请求；上游不可用时自动回退本地快照；不请求任何凭据、不提交任何数据。

功能

• 通过 settings.section 扩展点增加 设置 → 模型雷达 页面
• 通过 settings.plugin.item 扩展点增加 设置 → 插件 → 可配置插件 的「模型雷达」卡片（显示会话能力浮窗开关，偏好存 Host 设置）
• 能力总览：按基座模型聚合，可展开查看所有推理力度档位，行内 Harness 徽章标注分数出处
• 进入默认选中当前会话模型：每次进入按档位匹配规则解析当前对话正在使用的模型档位（无法解析会话选择时以部署默认模型兜底），总览中该行带「当前」标记，手动选择仅本次进入内有效
• 使用固定 0–110 IQ 刻度，跨频道保持一致的能力等级语义
• IQ 趋势页签：近 24 小时 / 近 7 天切换，各窗独立 y 轴缩放与完整统计，选择被记住
• 成本 × IQ 对比卡：综合 / 时间 / 费用三个页签，对数横轴，模型 chip 行多选筛选，Codex 跑的 DSV4 两档默认隐藏（与站点一致）
• 社区体感分卡：近 7 天 / 近 24 小时页签（选择被记住），两窗槽位一致、独立 15 分钟新鲜窗口；仅设置页，不进浮层
• 支持两个评测频道：
  • deep-swe：代码修复任务，binary-majority 多数票评分
  • pompeii-adjacency：视觉恢复任务，连续 Adjacency F1 评分
• 语义化任务诊断：
  • DeepSWE：通过 / 投票分歧 / 失败
  • Pompeii：较低 / 一般 / 良好 / 优秀
  • 待关注任务优先排序与本地筛选
  • 任务标题点击直达源仓库（DeepSWE 为 GitHub 项目），标题后带站点同款编程语言徽章（Py/JS/TS/Go/Rust）
• 效率指标徽章：IQ、平均费用、平均耗时、缓存命中率、24h 运行数
• 能力浮层：从输入框旁读数展开，总览对比选型 + 查看档位完整详情（徽章、双窗趋势、任务构成）
• 按类别新鲜窗口刷新：总览/任务构成 15 分钟、频道列表/趋势/任务源信息 60 分钟；只重拉过期数据，窗口内零上游请求（单飞行合并）
• 页脚常驻手动刷新按钮（绕行窗口），旁边显示最近拉取时间
• 上游不可用时自动使用最近一次本地快照
• 中英文 UI 文案

环境要求

• DeepSeek Harness Web GUI
• dsh-super-injector，用于运行时注入或持久安装本地插件
• Node.js 22 或更高版本
• npm

安装

从 Git 直接安装

最简单的安装方式是直接将 GitHub 仓库加入 web profile：

dsh plugin --profile web add github:hi-fangj/dsh-models-radar

也可以使用完整 Git URL：

dsh plugin --profile web add git+https://github.com/hi-fangj/dsh-models-radar.git

仓库已包含 DSH 所需的 Host 和浏览器构建产物，因此从 Git 直接安装不需要执行 dependency lifecycle script，也不需要配置 pnpm build allowlist。安装后刷新 http://127.0.0.1:3080；如果当前进程没有自动热加载新包，请重启一次 DSH。

移除通过 Git 安装的插件：

dsh plugin --profile web remove dsh-models-radar

从本地源码安装

需要开发或修改插件时，手动克隆并构建：

git clone https://github.com/hi-fangj/dsh-models-radar.git
cd dsh-models-radar
npm ci
npm run build

构建产物：

• lib/index.js：Host ESM bundle
• lib/client.js：带 DSH ModuleLoader 握手的浏览器 CJS bundle

构建完成后，将本地插件包加入 web profile：

dsh plugin --profile web add /插件绝对路径/dsh-models-radar

dsh plugin 会把依赖安装操作交给指定 profile，因此该命令会把插件安装到 ~/.dsh/profiles/web。仓库已包含从 Git 安装所需的构建产物；修改本地源码后，需要先执行 npm run build，再添加或重载该本地 clone。

安装后刷新 http://127.0.0.1:3080。如果当前运行的 DSH 进程没有自动热加载新包，请重启一次 DSH，然后刷新页面。

移除通过 CLI 安装的依赖：

dsh plugin --profile web remove dsh-models-radar

移除后重启 DSH，使 profile 在不包含该插件的情况下重新装配。

运行时注入与持久安装

运行时注入适合快速试用。在 DSH 会话中让 Agent 调用：

dev_inject_plugin({
  "dir": "/插件绝对路径/dsh-models-radar"
})

随后刷新一次 http://127.0.0.1:3080。运行时注入会保持到 DSH 进程重启，或主动卸载插件为止。

如需写入 web profile 的依赖和 bundle 列表，让 Agent 调用：

dev_install_package({
  "dir": "/插件绝对路径/dsh-models-radar",
  "profile": "web"
})

安装后刷新 Web GUI。DSH 重启时会再次从 profile 装配该插件。

使用方法

模型雷达页面

1. 打开 DSH Web GUI 左下角的设置。
2. 选择模型雷达。
3. 在页面顶部选择 DeepSWE 或 庞贝壁画 频道。
4. 从能力总览或档位选择器中选择模型档位。

页面每次打开都会在新鲜窗口内刷新：缓存中的数据不发上游请求，仅过期数据集被重拉。点击总览中的任意行，会同步切换下方效率指标、趋势图和任务诊断所使用的档位。

能力总览

默认每个基座模型显示当前最强档位；展开一行可查看该基座全部推理力度。IQ 进度条使用固定 0–110 绝对刻度：

IQ 趋势

近 24 小时与近 7 天两个页签来自同一份小时级序列的时间窗切片，各窗独立缩放 y 轴，各带一组完整统计（区间变化、最低、平均、最高）。曲线按能力等级分段着色，面积填充与曲线同色；端点与悬停标记使用所在等级的颜色。

成本 × IQ 对比

三个页签（综合成本 / 时间成本 / 费用成本）分别以对数成本轴 × 线性 IQ 轴绘制全部档位：颜色＝基座（站点同款配色）、形状＝推理力度（off=× · low=○ · medium=△ · high=□ · xhigh=◇ · max=⬡ · ultra=★），同基座档位按力度顺序以折线相连。越靠左上越高效。 模型 chip 行可多选筛选，同步作用于当前页签；Codex 跑的 DSV4 两档默认隐藏，与站点行为一致。

任务诊断

DeepSWE 使用上游真实的多数票判定；Pompeii 保留连续 F1 语义。筛选、计数和排序全部在浏览器本地完成，切换筛选不会增加 API 请求。

任务标题与语言徽章来自站点的任务目录（/table 端点，60 分钟窗口，经 Host 代理只截取 tasks 数组）：标题在有源仓库时是外链（DeepSWE 为 GitHub 项目、Pompeii 为数据集页），徽章按站点词表显示 Py/JS/TS/Go/Rust，未知语言原样展示。目录拉取失败只丢徽章与链接，不影响频道视图。

能力浮层

点击输入框工具行里的能力读数展开浮层：顶部为全基座能力总览（供对比选型），其下为查看档位的完整详情（效率徽章、双窗 IQ 趋势、任务构成）。查看档位默认跟随会话模型；点击总览行或切换趋势卡档位下拉可临时查看其他档位，会话切换模型或浮层关闭后回到跟随。

输入框能力读数

紧凑读数（SWE IQ 标签 + 档位色分数药丸）读取的是当前 session 下一次请求选中的模型，而不是仅根据最近一次已完成回复推测。显示形式：

SWE IQ 90.2

匹配顺序：

1. 精确匹配 model@reasoningEffort
2. 匹配同一基座模型的最高 IQ 档位，并在分数前显示 ≈
3. DeepSWE 榜单中完全没有该基座时隐藏胶囊

在 composer 中切换模型后，胶囊立即更新。读数每 15 分钟（最短新鲜窗口）向 Host 轮询一次，每次仅一次本地请求、每频道每窗口至多一次上游拉取；刷新失败时保留最近一次成功值。

不想在输入框旁看到胶囊？设置 → 插件 → 可配置插件 里的「模型雷达」卡片提供「显示会话能力浮窗」开关，可整体隐藏它；关闭期间胶囊不渲染、也不再后台轮询。偏好持久化在 Host 设置（跨浏览器共享、清浏览器缓存不丢失；升级前存在 localStorage 的旧选择会被一次性迁移）。

更新

cd /插件绝对路径/dsh-models-radar
git pull
npm ci
npm run build

运行时注入的插件可让 Agent 热重载：

dev_reload_package({
  "packageName": "dsh-models-radar"
})

如果 client 依赖图发生变化，请刷新页面。

卸载

卸载运行时注入的插件：

dev_uninject_plugin({
  "match": "dsh-models-radar"
})

持久安装的插件请通过 profile/plugin manager 移除 dsh-models-radar，然后重启 DSH。快照历史会保留在 ~/.dsh/plugin-data/dsh-models-radar/；仅在确认不再需要历史时单独删除该目录。

数据与隐私

插件读取 https://api.codexradar.com/api/v1 的公开免认证接口：

• /benchmarks
• /intelligence-efficiency
• /iq-history
• /leaderboard

浏览器不会直接访问上游 API。由于 api.codexradar.com 使用浏览器 Origin 白名单，Host 半通过同源接口 /model-radar/api/data 代理请求。设计原因见 ADR-0001。

本插件：

• 不请求密码、Token 或其他凭据
• 不提交评测结果
• 不发送会话内容
• 本地只保存公开评测数据快照

快照目录：

~/.dsh/plugin-data/dsh-models-radar/
├── latest-deep-swe.json
├── latest-pompeii-adjacency.json
└── iq-timeline.jsonl

架构

Browser
  ├── settings.section → 模型雷达页面
  ├── settings.plugin.item → 插件配置卡片（显示会话能力浮窗开关）
  ├── conversation.composer.dock → 当前 session 能力胶囊 + 能力浮层
  ├── GET /model-radar/api/data
  └── GET/POST /model-radar/api/pref
            │
            ▼
Host plugin
  ├── 各数据集独立新鲜窗口（效率/任务构成 15 分钟，频道列表/趋势 60 分钟）
  ├── 单飞行上游请求 + 频道全局 benchmarks 缓存
  ├── 归一化为 RadarView
  ├── settings namespace dsh-models-radar（会话能力浮窗偏好，持久化到 Host 设置）
  └── 本地快照持久化（重启后在窗口内继续服务快照）

能力胶囊订阅 DSH 官方 modelDirectories per-session store，因此模型选择变化不需要轮询即可传播。

开发

npm ci
npm run build

GitHub Actions 在每次 push/PR 时做构建验证；推送 v* tag 则自动构建、打包并发布带 tgz 附件的 GitHub Release。发版流程：

# 修改 package.json 版本并提交后：
git tag v0.1.x
git push origin main --tags

常用 DSH 开发操作：

dev_inject_plugin({ "dir": "/插件绝对路径/dsh-models-radar" })
dev_reload_package({ "packageName": "dsh-models-radar" })
dev_uninject_plugin({ "match": "dsh-models-radar" })

主要源码：

• src/index.ts：Host 代理、刷新节流、快照
• src/client/RadarSection.tsx：设置页状态与界面组合
• src/client/Overview.tsx：能力总览
• src/client/charts.tsx：趋势图和任务诊断
• src/client/costScatter.tsx：成本 × IQ 对比散点
• src/client/harness.ts：Harness 归属推导与档位选择器文案
• src/client/LiveCapability.tsx：输入框工具行实时能力读数与浮层
• src/client/ScrollFrame.tsx：溢出列表滚动条
• src/client/scoreMetrics.ts：IQ 等级和趋势语义
• CONTEXT.md：项目领域词汇

文档

故障排查

设置页没有「模型雷达」tab

1. 确认 npm run build 已生成 lib/client.js。
2. 使用 dev_plugin_status 确认插件处于 active 状态。
3. 刷新一次 Web GUI，加载最新 client 依赖图。

输入框里没有能力读数

• 确认当前模型存在于 DeepSWE 榜单。
• 同基座 fallback 会显示 ≈；完全未知的基座按设计不显示。
• 确认官方模型选择 UI 插件已启用。

上游刷新失败

存在历史快照时，设置页会显示最近一次成功数据。请检查 api.codexradar.com 的网络连通性；该接口不需要凭据。

许可证

MIT