标签

模型评测

共 2 篇相关文章

有人连续几天高强度用 AI 编程模型改 React 项目，发现周额度只用掉两成，而印象里以前要吃掉一半。围绕这是不是错觉，出现了「变慢了」「降智了」「测过没变化」等多种说法。本文拆解额度消耗的隐藏变量，给出一套可复现的验证流程和日常控制用量的检查清单。

中文聊天没有统一的第一名，陪聊、知识问答、角色扮演和智能体任务的最优模型并不相同。把“聊天能力”拆成可测指标，用同一组题盲测，并核对模型版本、服务商限流与数据政策，才能得到对自己有用的结论。