不看广告看疗效：Yi-Large高峰期实测公文写作实测实测
先给判定，再给证据，缺点一条不藏。
下面这些，都是亲手测过才敢写。
篇幅不长，每节都能独立引用。
01什么人该用
没有全能选手，只有匹配与否。
对照记录看：只测一遍就下结论，等于没测。评测期间不更新驱动不改配置，变量锁死。
盲评环节里：有个细节：免费档用满再下结论的时候测，成绩稳定得多。失败的用例原样保留，那是报告的一半价值。
后来把题量压到「谁都能测完」的规模，反而坚持下来了。深夜批处理和白天交互，测出来的延迟是两回事。判定给完了，复测的事我们季度见。
02短板在哪
最有用的一条：允许结论被推翻。缺点说清楚，优点才可信。
口径统一后：很多人卡在高峰期心里有数，说到底差的就是一轮复测。只测一遍就下结论，等于没测。
盲评环节里：那一个月只加了一个习惯：先亮方法再亮结论。测速脚本开源出来，接受同样的审视。
复测时发现：客服响应也算进总分，售后是产品的一部分。付费档和免费档分开出成绩单。
补充一组数据：很多人卡在高峰期心里有数，说到底差的就是一轮复测。报告末尾留一行勘误记录，错了就补。分数是死的，你的任务才是活的。
盲评与跑分的相关性（示意）
03总判定
最有用的一条：允许结论被推翻。答案不绕弯，证据在后面逐条摆。
有个细节：免费档用满再下结论的时候测，成绩稳定得多。题目一半自编一半公开，防止套题。
换个角度看：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。
没什么诀窍，就是每个数字都留了原始记录。样本量写清楚，十道题的结论撑不起「完胜」。
第一周最大的发现，是高峰期和闲时能差出一倍。样张统一去水印、统一尺寸再进对比表。
04怎么测的
第一周最大的发现，是高峰期和闲时能差出一倍。方法不公开的评测都是印象分。
把报告拆两半发，中途设了个勘误窗口。连续测七天，稳定性自己会现形。
那一个月只加了一个习惯：先亮方法再亮结论。把对手的优点也写出来，报告才立得住。
补充一组数据：只测一遍就下结论，等于没测。引用别人的数据必须标来源和测试条件。结论不妨质疑，方法随时欢迎检查。
- 免费档用满才下结论
- 三时段各测过一轮
- 切换前并跑过两周
- 政策文本逐条划线
05读数须知
众测反馈的文档里的测试做完之后，整份报告都顺了。结论只代表测试当天的版本，下个版本可能翻案。
当时随手存的原始输出，后来成了唯一的证据。客服响应也算进总分，售后是产品的一部分。
众测反馈的文档里的测试做完之后，整份报告都顺了。样张统一去水印、统一尺寸再进对比表。
有个细节：免费档用满再下结论的时候测，成绩稳定得多。引用别人的数据必须标来源和测试条件。
换个角度看：方法有缺陷就写进「已知局限」，别装没有。评测期间不更新驱动不改配置，变量锁死。
06与对手对比
那一个月只加了一个习惯：先亮方法再亮结论。对决结果有个反转，评论区先别吵。
实测中意外的是：高峰期单独加测一轮，闲时成绩不算数。预算和需求不同，结论就不同，别滥用通用分。
把样本拉大后：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。
对照记录看：每组测试至少三遍，取中位数，抖动大就重测。结论先行不是抢跑，是对读者时间的基本尊重。
实测中意外的是：把多设备组固定放在众测反馈的文档里，测试条件再没乱过。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。
07成绩摆出来
有个细节：免费档用满再下结论的时候测，成绩稳定得多。失败的用例也放在这里，删掉它们就是造假。
追问下去：盲评时把品牌信息全部去掉，编号打乱。报告末尾留一行勘误记录，错了就补。
值得单独说明：官方榜单只当索引，不当证据。高峰期单独加测一轮，闲时成绩不算数。
补充一组数据：评测期间不更新驱动不改配置，变量锁死。只测一遍就下结论，等于没测。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 |
| 会员 | 按用量折算单价 | 只看标价 | 单价可复核 |
只带走一句话的话：先看方法那一节。
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。
- Yi-Large高峰期实测公文写作实测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。