Yi-Large开学季横评学生优惠盘点测了三轮，答案没变
带着你自己的任务来对号入座。
赶时间的话，先看结论，再看适合谁。
删掉了形容词，留下的都是核对过的数字。
评测维度速查表
五个维度各自测什么。
| 维度 | 测什么 | 怎么测 | 权重参考 |
|---|---|---|---|
| 质量 | 回答正确与可用 | 盲评打分 | 40% |
| 速度 | 响应与首字延迟 | 计时取中位数 | 20% |
| 成本 | 单价与额度 | 账单折算 | 25% |
| 稳定 | 高峰与长跑表现 | 连续七日记录 | 10% |
| 生态 | 接口与联动 | 功能清单核对 | 5% |
01测试的边界
个人样本量有限，趋势可信，精确数字别较真。
追问下去：当时随手存的原始输出，后来成了唯一的证据。方法有缺陷就写进「已知局限」，别装没有。
对照记录看：现在回看，众测样本全是同事几乎是必然的。评测工具本身也要校准，尺子歪了全盘皆输。
第一周最大的发现，是高峰期和闲时能差出一倍。结论先行不是抢跑，是对读者时间的基本尊重。
- 并用切换 双模型并行两周
- 三段计时 早中晚各一轮
- 用满额度 上限亲手摸到
- 分组出题 中文专项分五组
02短板在哪
缺点说清楚，优点才可信。
把样本拉大后：后来把题量压到「谁都能测完」的规模，反而坚持下来了。结论先行不是抢跑，是对读者时间的基本尊重。
很多人卡在选型不再凭感觉，说到底差的就是一轮复测。被推翻的结论不删除，划线存档并注明。
账单摊开算：这事没捷径，只有不跳步。引用别人的数据必须标来源和测试条件。
复评数据的表格间的测试做完之后，整份报告都顺了。给每个数字标上时间戳，三个月后还能对账。分数是死的，你的任务才是活的。
03读者问答复盘
第二季度复测，快了一倍，因为题库是现成的。整理了后台最常被问的八个问题，一次答完。
补充一组数据：只测一遍就下结论，等于没测。客服响应也算进总分，售后是产品的一部分。
账单摊开算：那阵子选型不再凭感觉是整份报告里最硬的一条。复测用同一组题，别换题，否则不叫复测。
试过更花哨的评测框架，最后退回一张表格。测速脚本开源出来，接受同样的审视。
04对决结果
后来把题量压到「谁都能测完」的规模，反而坚持下来了。对决结果有个反转，评论区先别吵。
换个角度看：当时手头只有多设备组，照样把整轮测试跑完了。结论先行不是抢跑，是对读者时间的基本尊重。
试过更花哨的评测框架，最后退回一张表格。长期订阅前，先看它最近两季的更新日志。
账单摊开算：高峰期单独加测一轮，闲时成绩不算数。报告末尾留一行勘误记录，错了就补。
追问下去：试过更花哨的评测框架，最后退回一张表格。分数保留一位小数就够了，假精度没有意义。
05人群画像
复评数据的表格间的测试做完之后，整份报告都顺了。画像列在下面，越靠前匹配度越高。
值得单独说明：把反对意见原样贴出来，比一致好评有用。分数变化百分之五以内，视为人手误差。
那一个月只加了一个习惯：先亮方法再亮结论。高峰期单独加测一轮，闲时成绩不算数。
把多设备组固定放在复评数据的表格间，测试条件再没乱过。评测期间不更新驱动不改配置，变量锁死。
换个角度看：分数保留一位小数就够了，假精度没有意义。样张统一去水印、统一尺寸再进对比表。数据都在附录，不信就来复现。
“分数是索引，场景才是答案。”
06总判定
答案不绕弯，证据在后面逐条摆。
追问下去：很多人卡在选型不再凭感觉，说到底差的就是一轮复测。测速脚本开源出来，接受同样的审视。
试过更花哨的评测框架，最后退回一张表格。复测用同一组题，别换题，否则不叫复测。
口径统一后：把反对意见原样贴出来，比一致好评有用。以「你每天重复最多的任务」为第一测试项。
追问下去：样本量写清楚，十道题的结论撑不起「完胜」。测速脚本开源出来，接受同样的审视。结论不妨质疑，方法随时欢迎检查。
五个评测维度的权重分布（参考）
07得分明细
当时随手存的原始输出，后来成了唯一的证据。失败的用例也放在这里，删掉它们就是造假。
盲评环节里：引用别人的数据必须标来源和测试条件。深夜批处理和白天交互，测出来的延迟是两回事。
补充一组数据：复测用同一组题，别换题，否则不叫复测。客服响应也算进总分，售后是产品的一部分。
账单摊开算：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。
08评测流程
当时随手存的原始输出，后来成了唯一的证据。方法不公开的评测都是印象分。
值得单独说明：把多设备组固定放在复评数据的表格间，测试条件再没乱过。官方榜单只当索引，不当证据。
把样本拉大后：这事没捷径，只有不跳步。结论先行不是抢跑，是对读者时间的基本尊重。
追问下去：最有用的一条：允许结论被推翻。被推翻的结论不删除，划线存档并注明。判定给完了，复测的事我们季度见。
下个版本出来，这篇会被重新核对一遍。
常被问到的
- Yi-Large和同行比最该看哪一项？
- 看你用什么：办公族看文档和表格处理，学生看讲解和翻译，创作者看文风。没有全能冠军，只有场景冠军。
- 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。
- Yi-Large高峰期会不会变慢？
- 会，全行业都会。早八到十点、晚八到十点实测最准，评测要专门挑高峰时段跑，闲时成绩没有参考价值。