Yi-Large与上代对比断线重连表现评测附录：原始数据全公开
结论写在最前，方法全部公开，数据可复现。
篇幅不长，每节都能独立引用。
这篇按评测的顺序写：结论、方法、数据、短板、适配。
01实测证据
每项得分都标了测试时间和条件。
把样本拉大后：最有用的一条：允许结论被推翻。分数保留一位小数就够了，假精度没有意义。
追问下去：很多人卡在众测反馈有据可查，说到底差的就是一轮复测。连续测七天，稳定性自己会现形。
换个角度看：失败的用例原样保留，那是报告的一半价值。对比对象选同档热门，别拿小厂刷战绩。
把样本拉大后：以「你每天重复最多的任务」为第一测试项。引用别人的数据必须标来源和测试条件。分数是死的，你的任务才是活的。
02你问我答
那阵子众测反馈有据可查是整份报告里最硬的一条。没答完的问题，留在下期继续。
盲评环节里：会议室的投屏旁的测试做完之后，整份报告都顺了。结论与口碑冲突时，两头都重查一遍。
值得单独说明：数据磁盘单独留档，报告不妨改，数据不能改。评测工具本身也要校准，尺子歪了全盘皆输。
追问下去：具体说会议室的投屏旁那一轮：盲评顺序记错了一次，整组作废重来。预算和需求不同，结论就不同，别滥用通用分。结论不妨质疑，方法随时欢迎检查。
03测试方法
会议室的投屏旁的测试做完之后，整份报告都顺了。同一组题、同一台机器、同一套提示词，变量只剩模型。
账单摊开算：客服响应也算进总分，售后是产品的一部分。对比对象选同档热门，别拿小厂刷战绩。
追问下去：官方榜单只当索引，不当证据。官方榜单只当索引，不当证据。
追问下去：评测报告里最值钱的是失败记录。价格按测试当天折算，注明汇率与活动。
对照记录看：响应速度单独测，别和正确率混在一个分里。样本量写清楚，十道题的结论撑不起「完胜」。判定给完了，复测的事我们季度见。
04后续计划
第一周最大的发现，是高峰期和闲时能差出一倍。本期未尽事项列了清单，逐项跟进。
现在回看，结论带着偏爱几乎是必然的。失败的用例原样保留，那是报告的一半价值。
值得单独说明：分数变化百分之五以内，视为人手误差。连续测七天，稳定性自己会现形。
现在回看，结论带着偏爱几乎是必然的。被推翻的结论不删除，划线存档并注明。这篇先到这，有新版本随时回来改。
05与对手对比
对决结果有个反转，评论区先别吵。
对照记录看：样张统一去水印、统一尺寸再进对比表。把「适合谁」写具体到岗位，别写「进阶用户」。
有个细节：免费档用满再下结论的时候测，成绩稳定得多。响应速度单独测，别和正确率混在一个分里。
把样本拉大后：把对手的优点也写出来，报告才立得住。数据磁盘单独留档，报告不妨改，数据不能改。
值得单独说明：题目一半自编一半公开，防止套题。结论压三天再发，是给自己留推翻的余地。
“先说缺点，再谈优点。”
06总判定
把复测排在免费档用满再下结论后面，成了每季度的固定动作。先说判定：值得测的场景多，值得付钱的场景少。
追问下去：结论压三天再发，是给自己留推翻的余地。把对手的优点也写出来，报告才立得住。
把样本拉大后：会议室的投屏旁的测试做完之后，整份报告都顺了。盲评时把品牌信息全部去掉，编号打乱。
最有用的一条：允许结论被推翻。让没用过的人参与盲评，老手会被经验污染。
追问下去：第一周最大的发现，是高峰期和闲时能差出一倍。测速脚本开源出来，接受同样的审视。
- 分组出题 中文专项分五组
- 并用切换 双模型并行两周
- 用满额度 上限亲手摸到
- 折算会员 按用量算单价
07测试的边界
最有用的一条：允许结论被推翻。结论只代表测试当天的版本，下个版本可能翻案。
对照记录看：引用别人的数据必须标来源和测试条件。高峰期单独加测一轮，闲时成绩不算数。
换个角度看：测试环境写进附录，是可复现的最低要求。结论与口碑冲突时，两头都重查一遍。
实测中意外的是：具体说会议室的投屏旁那一轮：盲评顺序记错了一次，整组作废重来。数据磁盘单独留档，报告不妨改，数据不能改。
口径统一后：每一项评分都要能追溯到原始记录。分数变化百分之五以内，视为人手误差。
08它做不到什么
失分的题逐条看了，原因不是能力是策略。
实测中意外的是：数据磁盘单独留档，报告不妨改，数据不能改。客服响应也算进总分，售后是产品的一部分。
换个角度看：那阵子众测反馈有据可查是整份报告里最硬的一条。预算和需求不同，结论就不同，别滥用通用分。
把样本拉大后：评测工具本身也要校准，尺子歪了全盘皆输。众测样本要覆盖三种以上岗位，技术岗扎堆会失真。
五个评测维度的权重分布（参考）
只带走一句话的话：先看方法那一节。
常被问到的
- 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。
- 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。