Yi-Large长对话实测切换复盘模板实测七天，变化都在这
结论写在最前，方法全部公开，数据可复现。赶时间的话，先看结论，再看适合谁。
这篇按评测的顺序写：结论、方法、数据、短板、适配。
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场景匹配
第一周最大的发现，是高峰期和闲时能差出一倍。画像列在下面，越靠前匹配度越高。
实测中意外的是：深夜批处理和白天交互，测出来的延迟是两回事。结论先行不是抢跑，是对读者时间的基本尊重。
账单摊开算：把多设备组固定放在会议室的投屏旁，测试条件再没乱过。以「你每天重复最多的任务」为第一测试项。
换个角度看：官方榜单只当索引，不当证据。引用别人的数据必须标来源和测试条件。
盲评环节里：方法有缺陷就写进「已知局限」，别装没有。被推翻的结论不删除，划线存档并注明。
02评测流程
那一个月只加了一个习惯：先亮方法再亮结论。环境与参数写在文末附录，欢迎一键复现。
口径统一后：这事没捷径，只有不跳步。让没用过的人参与盲评，老手会被经验污染。
账单摊开算：以「你每天重复最多的任务」为第一测试项。价格按测试当天折算，注明汇率与活动。
值得单独说明：盲评时把品牌信息全部去掉，编号打乱。题目一半自编一半公开，防止套题。
把复测排在把差评也原样记录后面，成了每季度的固定动作。高峰期单独加测一轮，闲时成绩不算数。
03复评预告
后来把题量压到「谁都能测完」的规模，反而坚持下来了。评测是长跑，这篇只是其中一个刻度。
多花了一杯咖啡的时间核对来源，省下了一次翻车。每一项评分都要能追溯到原始记录。
复测时发现：复测用同一组题，别换题，否则不叫复测。付费档和免费档分开出成绩单。
第二季度复测，快了一倍，因为题库是现成的。客服响应也算进总分，售后是产品的一部分。这篇先到这，有新版本随时回来改。
04泼冷水环节
先把丑话说完，剩下的才好意思夸。
试过更花哨的评测框架，最后退回一张表格。客服响应也算进总分，售后是产品的一部分。
当时手头只有多设备组，照样把整轮测试跑完了。把反对意见原样贴出来，比一致好评有用。
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。先拿免费档试一周，再回来对答案。
“分数是索引，场景才是答案。”
05先给结论
先说判定：值得测的场景多，值得付钱的场景少。
对照记录看：第二季度复测，快了一倍，因为题库是现成的。官方榜单只当索引，不当证据。
最有用的一条：允许结论被推翻。只测一遍就下结论，等于没测。
对照记录看：现在回看，高峰期没测过几乎是必然的。给每篇评测定一个复核日期，到期强制回看。
对照记录看：结论先行不是抢跑，是对读者时间的基本尊重。失败的用例原样保留，那是报告的一半价值。先拿免费档试一周，再回来对答案。
| 评测项 | 怎么测 | 常见失真 | 怎么算数 |
|---|---|---|---|
| 速度 | 早中晚三时段计时 | 只测一次 | 时段分开报 |
| 切换 | 双模型并跑两周 | 当天切换 | 有并用记录 |
| 生态 | 办公联动逐项试 | 看功能列表 | 联动有截图 |
06和同行摆一起
同题同参对决，胜负一目了然。
盲评环节里：评测工具本身也要校准，尺子歪了全盘皆输。测速脚本开源出来，接受同样的审视。
后来把题量压到「谁都能测完」的规模，反而坚持下来了。结论压三天再发，是给自己留推翻的余地。
盲评环节里：很多人卡在切换成本算清了，说到底差的就是一轮复测。把「适合谁」写具体到岗位，别写「进阶用户」。先拿免费档试一周，再回来对答案。
五个评测维度的权重分布（参考）
07免责与说明
那一个月只加了一个习惯：先亮方法再亮结论。价格和权益变动快，下单前以官方页面为准。
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。连续测七天，稳定性自己会现形。
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。深夜批处理和白天交互，测出来的延迟是两回事。
把复测排在把差评也原样记录后面，成了每季度的固定动作。引用别人的数据必须标来源和测试条件。判定给完了，复测的事我们季度见。
08原始记录
没什么诀窍，就是每个数字都留了原始记录。每项得分都标了测试时间和条件。
值得单独说明：引用别人的数据必须标来源和测试条件。样张统一去水印、统一尺寸再进对比表。
追问下去：没什么诀窍，就是每个数字都留了原始记录。结论与口碑冲突时，两头都重查一遍。
对照记录看：没什么诀窍，就是每个数字都留了原始记录。对比对象选同档热门，别拿小厂刷战绩。
没什么诀窍，就是每个数字都留了原始记录。高峰期单独加测一轮，闲时成绩不算数。数据都在附录，不信就来复现。
09问答实录
问答比正文诚实，语气都保留了。
值得单独说明：把多设备组固定放在会议室的投屏旁，测试条件再没乱过。结论压三天再发，是给自己留推翻的余地。
复测时发现：盲评时把品牌信息全部去掉，编号打乱。给每篇评测定一个复核日期，到期强制回看。
追问下去：评测期间不更新驱动不改配置，变量锁死。题目一半自编一半公开，防止套题。
值得单独说明：给每篇评测定一个复核日期，到期强制回看。长期订阅前，先看它最近两季的更新日志。
只带走一句话的话：先看方法那一节。
有新版本我会回来更新这篇报告。
常被问到的
- Yi-Large长对话实测切换复盘模板企业接入前要做哪些评测？
- 四项：高峰稳定性、数据合规、成本单价、员工众测满意度。任何一项不过关，功能再强也要缓一缓。
- Yi-Large值得年度会员吗？
- 先月付跑满一个月，把使用次数和场景记下来。月均使用超过二十天再考虑年付，否则按量或月付更稳。