syuan03/benchboard 是一个收集公开 AI 模型基准测试分数并附上来源链接的仓库。在 2026 年 10 月 24 日的提交 be56c57 中，新增收录了 Grok Voice 3.0、Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 的语音基准测试结果。本次变更合计 208 行改动（新增 199 行，删除 9 行），涉及 README 统计表述与统计用 SVG、两个数据打包文件、两份审计文档、index.html 以及数据加载器。
该仓库的宗旨在于分数背后的上下文，而非分数本身。README 说明所有分数都会标注模型发布版本、基准测试变体、评估设置和原始出处，并明确表示来自不同测试框架或版本的结果会分开保存。仓库中同样保留了不制作跨基准测试综合分数的说明。本次 Grok 条目单独收录了来自 xAI 的 Grok Voice 3.0 发布与 Artificial Analysis 语音到语音排行榜的 10 条结果，并将音质、推理、代理任务、对话动态、偏好、EVA-Bench 准确率、延迟和输入音频成本分别作为不同指标管理。10 月 13 日发布版 Elo 与 10 月 24 日实时版 Elo 也作为单独条目保留；Gemini 一侧则把来自 Google 公告与 DeepMind 评估图表的 8 条结果分为音质、代理语音性能、Sierra 银行、Big Bench Audio 和实测输入音频成本，模型 ID 与模态限制则遵循模型卡片。
不过，提交信息中的 verified 指的是该仓库通过附上来源进行管理，并不意味着它自行复现了这些分数。数据包中留存的依据文件日期为 2026 年 9 月 15 日和 2026 年 9 月，均早于提交日期。仓库统计从 200 增至 203 个模型与版本，基准测试系列从 582 增至 585 个，公开结果从 9,565 增至 9,584 条，一手来源从 313 增至 319 个，编辑过的发布版本从 137 增至 140 个。这可以看作语音模型比较被纳入数据轴的信号，但由于各指标的评估条件不同，仅凭该仓库还难以判断哪一方占优。