AI模型评测

分别用可验证的推理题、可运行的小代码和带标准答案的图文任务测试；不要把单次回答或排行榜截图当作长期结论。

指定准确版本、使用同样输入、关闭不必要工具，记录输出和失败情形；旧版本可能已调整可用性，先以官方模型列表为准。

根据已对齐的真值与预测计算 MAE、RMSE，并导出带稳定样本编号和残差方向的清单，定位大误差来源。

在训练数据内部用 sigmoid 拟合概率校准器，用独立测试集同时比较 Brier 分数、准确率和分组发生频率。

先准备不含敏感资料的办公改写、表格提取和代码解释任务；看输出能否复核、是否需要 API 和团队账号管理，再做选择。

先列出要使用的具体入口和模型名，再用三个固定任务记录事实准确性、格式遵守和复核成本；不要把品牌名当成固定能力。

先确定你比较的是网页产品、云端 API 还是可下载模型；三者的账号、计费、许可和运行条件不同，不能用一个结论代替。

用同一份可公开核对的资料和同一条中文任务测试输出；只在产品说明确认的入口中比较，不把搜索结果或传闻当模型能力。

先用同一份任务卡分别完成中文改写、代码解释和资料整理，再按你最常做的任务、是否要接 API、团队已有工具决定。

在同一训练池与同一折索引上比较逻辑回归和随机森林的 Macro F1、波动与训练时间，保留独立测试检查。