Xudong Han(@Xudong07452910):现在新模型出得这么快，每个人都应该有一套自己的 AI Benchmark。 Every 这家公司最近就在给每个员工做这件事。方法其实很简单：把你平时最常交给 AI 的几个真实任务留下来，再把每次「这里不对」「这个我会改掉」慢慢变成可检查的规则。久而久之，你就有了一套只属于自己的 Eval。很有意思的是，他们内部测试里，GPT-5.6 Luna 在某些人的真实工作上，甚至比更强的模型表现更好。我觉得这件事以后会很重要。 Benchmark 不应该只回答「哪个模型最强」，还应该回答「哪个模型最适合替我做这件事」。甚至再往前一步，你每天修改 AI 的那些地方，其实都在暴露自己的判断标准。如果能把这些判断慢慢沉淀成 Eval，AI 才真的开始学会「什么叫对你来说做得好」。文章：

2026.09.22 01:20

现在新模型出得这么快，每个人都应该有一套自己的 AI Benchmark。 Every 这家公司最近就在给每个员工做这件事。方法其实很简单：把你平时最常交给 AI 的几个真实任务留下来，再把每次「这里不对」「这个我会改掉」慢慢变成可检查的规则。久而久之，你就有了一套只属于自己的 Eval。很有意思的是，他们内部测试里，GPT-5.6 Luna 在某些人的真实工作上，甚至比更强的模型表现更好。我觉得这件事以后会很重要。 Benchmark 不应该只回答「哪个模型最强」，还应该回答「哪个模型最适合替我做这件事」。甚至再往前一步，你每天修改 AI 的那些地方，其实都在暴露自己的判断标准。如果能把这些判断慢慢沉淀成 Eval，AI 才真的开始学会「什么叫对你来说做得好」。文章：