黄小木
@ai_xiaomu
👨💻 前大厂T11，来X记录OPC 之路。
💼 分享本地模型 & FDE 案例 & 知识库 & GEO 。
🎁 First Check 发起人，新人好内容可私信。
加入 July 2017
776 正在關注 50.9K 粉絲
团队评估新模型，不要只看官方 benchmark。
更靠谱的是自己做一个小测试集：
10 个真实 bug
10 个真实需求
5 个历史踩坑案例
5 个边界场景
3 个需要调用工具的长任务
然后看 4 个结果：
能不能完成
要花多少 token
失败后会不会自救
输出能不能被人快速验收
这比看一堆跑分更接近真实生产力。
顯示更多
