Ask Me Twice：每日追踪 41 款 AI 模型回答的纵向归档

一个名为 Ask Me Twice 的开源项目正在建立 AI 聊天机器人回答的纵向归档：每天由项目方挑选一组固定问题，向市面上多款 AI 模型提问并完整记录回答，使用户既能横向比较不同模型的回答，也能纵向观察同一模型随时间的回答变化。截至当前，该档案已覆盖 130 道问题、41 个模型，累计记录 16.94 万条回答。

项目定位与数据规模

Ask Me Twice 的核心思路是「同一问题、不同模型、不同时间」的三维对比。与一次性评测不同，它强调纵向一致性：题目长期固定，模型名单相对稳定，回答按日归档。这种设计便于发现两类信号：一是模型之间的能力差异，二是同一模型在版本更新、安全策略调整或后端切换后出现的回答漂移。

• 题目数量：130 道精选问题
• 覆盖模型：41 款
• 累计回答：约 16.94 万条
• 归档粒度：按日更新

三种使用方式

项目提供 REST API、MCP Server 和浏览器 Explorer 三种访问渠道，覆盖了从开发者到普通用户的不同需求。

REST API

支持通过 HTTP 查询问题、模型和回答数据，并提供每日批量导出以及机器可读的 OpenAPI 描述文件。这意味着研究者可以方便地把整个语料拉回本地做二次分析。

MCP Server

项目同时暴露了一个 Model Context Protocol（MCP）服务器，把问题、模型和回答封装为工具。AI 智能体可以直接调用该服务器，在对话场景中检索档案数据，实现「让一个 AI 去查其它 AI 的历史回答」。

Explorer

网页端提供浏览与筛选入口，用户可按问题、模型或日期过滤结果，并可将若干条回答加入对比托盘，并排阅读差异。

潜在用法与局限

对于关注模型迭代节奏的开发者与分析师，Ask Me Twice 提供了一个低门槛的「时间序列」视角：例如可以追踪某厂商在发布新版本前后，特定问题的回答是否发生明显变化。不过项目本身并未公开题目的来源、分类标准或评分体系，回答也仅做原始记录，不附带质量判断。因此它的价值更多在于「原始证据的累积」，而不是直接给出评测结论。对于要做严肃基准对比的用户，仍需结合自有方法对数据做进一步加工。