LLM API 用戶端與模型評測 · macOS

在 Mac 上測試 LLM API,比較不同模型。

在同一個本機優先工作區編寫真實的對話請求、跨模型執行並為結果評分。不需帳號或託管代理伺服器,你的金鑰只留在 Mac。

免費、開放原始碼,並經過 Apple 簽署與公證。想要自動更新? 在 Mac App Store 以 US$0.99 購買。

macOS 12 Monterey 或更新版本Apple 晶片與 Intel英文與繁體中文介面不需建立帳號
約 24 個 Token
使用者
● 已完成HTTP 200842 ms68 個 Token
助理GPT-5.4 mini
測試 LLM API、比較模型,並以證據做出選擇。
OpenAIAnthropicGoogle GeminiOpenRouterOpenAI 相容端點Anthropic 相容端點

內建模型評測

不用再把不同模型的輸出分散在多個分頁。

從實際請求開始,加入想測試的模型並一起執行。Roshi 會固定提示與參數,並對齊輸出、延遲、Token 與成本,讓你以證據選擇模型。

  • 01並行執行模型每個回應抵達時即時串流顯示。
  • 02並排比較一起檢視輸出、延遲與 Token 用量。
  • 03評估重要指標手動評分,或使用自訂準則與評審模型。
  • 04保留評測證據將執行結果存入資料夾,並匯出 JSON 或 CSV。
產品發布文案3 個執行項目 · 相同提示
使用者

用一句實用的話說明本機優先為何重要。

OpenAIGPT-5.4 mini成功

本機優先讓敏感提示與供應商金鑰留在電腦上,同時維持快速可靠的工作流程。

842ms46 tok8.7
AnthropicClaude Sonnet評審選出的優勝

本機優先讓你掌控資料與工具,隱私不必依賴他人的伺服器。

1.2s39 tok9.4
GoogleGemini 2.5 Pro成功

本機優先軟體讓工作保持私密、可離線使用,並完全由你掌控。

690ms31 tok8.3
評分準則有幫助準確清晰優勝:Claude Sonnet · 9.4

專注的一站式工作區

從「這個 API 能用嗎?」到「該上線哪個模型?」所需的一切。

01

並行比較多個模型

將同一份固定提示同時送到多個供應商,並排檢視每個回應與效能指標。

02

使用 LLM 評審評分

選擇評審模型並撰寫評分準則,把「哪個答案比較好」變成可重複的分數。

03

連接各種供應商

支援 OpenAI、Anthropic、Gemini、OpenRouter,以及相容上述通訊協定的自訂端點。

04

完整檢視回應

一次查看串流文字、原始回應、標頭、延遲、Token 用量,以及可直接使用的程式碼。

05

依自己的方式整理

使用收藏、環境變數、歷史記錄與已儲存的評測,介面支援英文與繁體中文。Roshi 會跟隨系統語言,也可在「設定」中切換。

06

資料留在本機

不需要 Roshi 帳號,也沒有代送請求的伺服器。金鑰、設定、請求與結果都留在你的 Mac。

Roshi 內部

從請求到決策,一條完整流程。

不必在 Playground 與腳本之間來回拼湊,就能編寫、評測並做出選擇。

01

編寫與檢視

建立你真正想測試的請求。

在專注的用戶端中處理多輪訊息、系統提示詞、參數、標頭與相容端點。串流顯示答案,再直接檢視原始回應,不必切換工具。

Roshi 編輯器顯示多輪 OpenAI 對話,下方同時呈現原始回應內容
編寫像 API 用戶端一樣編寫多輪對話,在同一畫面查看訊息、Token 數與原始回應內容。
Roshi 供應商編輯表單顯示 API 金鑰、基礎網址、通訊協定、驗證方式與自訂標頭
設定每項供應商設定都能編輯,包括 API 金鑰、基礎網址、通訊協定、驗證方式與自訂標頭,並只儲存在這台 Mac。
02

一起執行

讓每個模型站在同一起跑線。

選擇你已在使用的供應商,將同一份固定請求並行送到多個模型。Roshi 會對齊輸出、延遲、Token 與成本,確保比較公平。

Roshi 評測畫面並排顯示三個模型的結果、延遲、成本、評分與 LLM 評審分數
評測將同一份提示並行送到多個供應商,並排查看輸出、延遲、Token、成本、手動評分與 LLM 評審結果。
Roshi 供應商設定列出 OpenAI、Anthropic、Google Gemini 與 OpenRouter
連接加入你已在使用的供應商。內建 OpenAI、Anthropic、Google Gemini 與 OpenRouter 範本,也能加入相容端點。
03

用證據決策

把不同答案變成可辯護的選擇。

逐字比較任意兩個回應、檢視效能指標,再手動評分,或使用另一個模型與自訂準則擔任評審。

Roshi 比較畫面顯示 OpenAI GPT-4o 與 Anthropic Claude Sonnet 的逐字差異和效能指標
比較選擇任意兩個模型,以逐字差異與並排指標比較耗時、首個 Token 時間、輸送量、Token 與成本。
Roshi 評審設定啟用 LLM 評審,選擇 OpenAI GPT-4o 並顯示自訂評分準則
評審使用自己的評分準則啟用 LLM 評審,由另一個模型為候選回應評分、選出優勝者,並將結果與評測一起儲存。

使用流程

從 API 金鑰到可上線的模型。

步驟 1

加入供應商

將 API 金鑰貼到內建範本,或設定自己的端點、標頭與模型清單。

步驟 2

編寫與除錯

編輯訊息、圖片、參數與標頭,同時觀察串流回應、原始內容與耗時。

步驟 3

比較模型

將同一個請求送到多個模型,比較輸出與指標,再手動評分或執行 LLM 評審。

步驟 4

儲存並交付

儲存評測、匯出 JSON 或 CSV,並從驗證完成的請求產生可用的程式碼。

安全性

你的金鑰永遠不會離開電腦。

Roshi 完全在用戶端執行。沒有帳號、沒有託管代理,供應商流量也不會經過我們的服務。請求會從你的 Mac 直接送到供應商,金鑰則保存在本機資料庫。詳細資訊請參閱 安全性設計文件(英文)。

你可以自行驗證

  • 公證透過 CI 交由 Apple 公證
  • 沙盒App Store 版本在沙盒中執行
  • 更新App Store 自動 · GitHub 手動
  • 金鑰儲存只保存在你的 Mac
  • 遙測應用程式內完全沒有
  • 授權MIT,v2.4.0

下載

無論哪種版本,功能都完整開放。

兩個版本來自相同的 MIT 授權原始碼,唯一差別是更新方式。

直接下載

免費

直接從 GitHub Releases 下載已簽署及公證的 .dmg。

  • 所有功能,沒有用量限制
  • 支援 Apple 晶片與 Intel
  • 在 App Sandbox 之外執行
  • 手動更新 — 自行下載新版本
  • 也可以從原始碼建置
下載 macOS 版

常見問題

你可能想知道的事。

Roshi 是什麼?

Roshi 是為呼叫 LLM API 的開發者打造的本機優先 macOS 應用程式。你可以編寫多輪對話請求、串流回應、檢視標頭與 Token,並以相同提示比較及評分多個模型。

Roshi 會透過後端伺服器轉送請求嗎?

不會。Roshi 完全在用戶端執行,你的 Mac 會直接連線到模型供應商,金鑰也只儲存在本機。

支援哪些模型供應商?

內建支援 OpenAI、Anthropic、Google Gemini 與 OpenRouter,也能加入任何相容 OpenAI、Anthropic 或 Gemini 通訊協定的端點。

Roshi 支援哪些介面語言?

Roshi 支援英文與繁體中文。介面預設跟隨系統語言,也可以隨時在「設定」中切換。

模型評測如何運作?

從已確認可用的請求開始,選擇多個供應商與模型並行執行。你可以並排比較輸出及效能指標、手動評分,或讓另一個模型依照自訂準則擔任評審。

API 金鑰與評測結果存在哪裡?

供應商設定、API 金鑰、請求歷史、草稿、收藏、環境變數與評測結果都儲存在你的 Mac。Roshi 沒有帳號系統或託管後端。

免費下載版和 Mac App Store 版有何不同?

兩者都來自相同的 MIT 授權原始碼,功能完全相同。免費 GitHub 版需手動更新;Mac App Store 版售價 US$0.99,可自動更新並支援後續開發。

系統需求是什麼?

Roshi 支援 macOS 12 Monterey 或更新版本,Apple 晶片與 Intel Mac 都能使用。

Roshi 是開放原始碼嗎?

是。Roshi 採用 MIT 授權,你可以自由使用、修改與散布。

別再猜測該上線哪個模型。

加入供應商金鑰、編寫真實的對話請求,直接在 Mac 上比較可能投入正式環境的模型,不需 Roshi 帳號。