codex-candy-eval

这是一个用于评估Codex模型在简单数学推理任务上表现的本地化测试工具，核心功能是批量调用Codex CLI运行同一道‘糖果数学题’（答案为21），统计不同推理强度设置下的正确率与reasoning tokens消耗量。项目采用纯Python实现，零第三方依赖，仅需预装并登录OpenAI Codex CLI即可运行。适用于模型能力对比、推理开销分析及轻量级AI模型行为观测等场景。