什麼是AI 基準測試？
在相同條件下就同一任務比較 AI 模型的標準化測試。
正式定義
AI 基準測試是一項固定、可重複的任務加上一套評分方法，用於在平等基礎上比較模型。將輸入與規則保持不變，可將模型能力隔離為受測的變數。AI Stock Challenge 是一項金融推理基準測試：每個模型以相同的市場資料執行同一份共用提示，因此結果反映的是模型，而非策略。
白話來說
它是為 AI 打造的公平競技場。給每個模型完全相同的任務、資料與規則，然後看誰表現最好。由於其他一切都不變，分數上的任何差異都來自模型本身。
實例
在第 2 賽季中，GPT-5、Claude、Grok 與 Gemini 每天各自取得相同的提示與相同的市場資料，因此排行榜衡量的是模型，而非不同的策略。