关于Yi-Large办公场景对比团队切换流程，先说缺点
同一组题目、同一套流程，测完才敢下结论。这篇按评测的顺序写：结论、方法、数据、短板、适配。
赶时间的话，先看结论，再看适合谁。
篇幅不长，每节都能独立引用。
01口径说明
把报告拆两半发，中途设了个勘误窗口。每组测试跑三遍取中位数，抖动超过一成就重测。
账单摊开算：样张统一去水印、统一尺寸再进对比表。官方榜单只当索引，不当证据。
把样本拉大后：多花了一杯咖啡的时间核对来源，省下了一次翻车。把反对意见原样贴出来，比一致好评有用。
对照记录看：别用厂商给的演示样例，那是考过的题。结论与口碑冲突时，两头都重查一遍。数据都在附录，不信就来复现。
02实测证据
数据先摆事实：强项强多少，弱项弱多少。
第一周最大的发现，是高峰期和闲时能差出一倍。对比对象选同档热门，别拿小厂刷战绩。
具体说对比表格的双屏前那一轮：盲评顺序记错了一次，整组作废重来。测试环境写进附录，是可复现的最低要求。
补充一组数据：结论先行不是抢跑，是对读者时间的基本尊重。测试环境写进附录，是可复现的最低要求。先拿免费档试一周，再回来对答案。
03问答实录
把报告拆两半发，中途设了个勘误窗口。整理了后台最常被问的八个问题，一次答完。
补充一组数据：第二季度复测，快了一倍，因为题库是现成的。响应速度单独测，别和正确率混在一个分里。
值得单独说明：有个细节：把响应秒数记进表格的时候测，成绩稳定得多。以「你每天重复最多的任务」为第一测试项。
先说反例：对比表格的双屏前的测试做完之后，整份报告都顺了。盲评时把品牌信息全部去掉，编号打乱。数据都在附录，不信就来复现。
04留一个尾巴
当时手头只有秒表，照样把整轮测试跑完了。有新版本就回来更新这篇，旧结论会标注存档。
账单摊开算：数据磁盘单独留档，报告不妨改，数据不能改。评测报告里最值钱的是失败记录。
把样本拉大后：连续测七天，稳定性自己会现形。深夜批处理和白天交互，测出来的延迟是两回事。
先说反例：把复测排在把响应秒数记进表格后面，成了每季度的固定动作。响应速度单独测，别和正确率混在一个分里。
盲评环节里：那一个月只加了一个习惯：先亮方法再亮结论。样本量写清楚，十道题的结论撑不起「完胜」。
05横向相对而言
同题同参对决，胜负一目了然。
口径统一后：第一周最大的发现，是高峰期和闲时能差出一倍。样本量写清楚，十道题的结论撑不起「完胜」。
当时手头只有秒表，照样把整轮测试跑完了。盲评时把品牌信息全部去掉，编号打乱。
口径统一后：那一个月只加了一个习惯：先亮方法再亮结论。评测期间不更新驱动不改配置，变量锁死。
换个角度看：每一项评分都要能追溯到原始记录。把反对意见原样贴出来，比一致好评有用。
| 评测项 | 怎么测 | 常见失真 | 怎么算数 |
|---|---|---|---|
| 中文 | 成语公文古文分组测 | 拿英文题推断 | 分组有得分 |
| 会员 | 按用量折算单价 | 只看标价 | 单价可复核 |
| 生态 | 办公联动逐项试 | 看功能列表 | 联动有截图 |
06场景匹配
把复测排在把响应秒数记进表格后面，成了每季度的固定动作。画像列在下面，越靠前匹配度越高。
值得单独说明：付费档和免费档分开出成绩单。深夜批处理和白天交互，测出来的延迟是两回事。
换个角度看：后来把题量压到「谁都能测完」的规模，反而坚持下来了。引用别人的数据必须标来源和测试条件。
把样本拉大后：这事没捷径，只有不跳步。盲评时把品牌信息全部去掉，编号打乱。
口径统一后：让没用过的人参与盲评，老手会被经验污染。测速脚本开源出来，接受同样的审视。
07测试的边界
测试有边界：版本、时间、样本量都圈死了结论的适用范围。
那阵子会员费花得明白是整份报告里最硬的一条。分数变化百分之五以内，视为人手误差。
把秒表固定放在对比表格的双屏前，测试条件再没乱过。分数保留一位小数就够了，假精度没有意义。
最有用的一条：允许结论被推翻。长期订阅前，先看它最近两季的更新日志。
- 三时段各测过一轮
- 政策文本逐条划线
- 账单折算可复核
- 切换前并跑过两周
08短板在哪
当时手头只有秒表，照样把整轮测试跑完了。这几处翻车不是版本问题，短期内别指望修复。
第一周最大的发现，是高峰期和闲时能差出一倍。只测一遍就下结论，等于没测。
追问下去：有个细节：把响应秒数记进表格的时候测，成绩稳定得多。评测报告里最值钱的是失败记录。
没什么诀窍，就是每个数字都留了原始记录。测速脚本开源出来，接受同样的审视。
实测中意外的是：这事没捷径，只有不跳步。高峰期单独加测一轮，闲时成绩不算数。
按场景拆分的得分差异（参考）
数据和短板都摆全了，放心引用。
常被问到的
- Yi-Large办公场景对比团队切换流程免费档和付费档差距大吗？
- 多数差距在规格和限速，不在智能水平。重度用户先算单价：超过每天三次高频使用，付费档通常更划算。
- Yi-Large的中文真的比海外模型强吗？
- 分任务：成语、公文、分寸感普遍占优；英文语料和代码生态仍是海外强项。拿你最高频的三类任务各测十题，答案自己会出来。
- Yi-Large的隐私政策要注意什么？
- 三处：数据留存期限、是否用于训练、企业数据隔离。个人用户重点看第一处，企业用户三条都要落实。