我们准备给内部知识库换模型，老板贴了几个榜单截图，说排名高的直接上。这样选会不会太粗？

]]>https://localaihub.com/topic/185/选模型时到底先看榜单还是先看任务RSS for NodeWed, 03 Jun 2026 19:24:01 GMTWed, 13 May 2026 10:35:00 GMT60这样我准备改成模型路由评测，不做单一冠军。

]]>https://localaihub.com/post/2006https://localaihub.com/post/2006Thu, 14 May 2026 12:04:00 GMT最终通常不是一个模型打天下。低风险走便宜模型，高风险或复杂推理再升级。

]]>https://localaihub.com/post/2005https://localaihub.com/post/2005Thu, 14 May 2026 10:38:00 GMT还有输出风格。有的模型答案很像论文，有的更像客服。这个也会影响接受度。

]]>https://localaihub.com/post/2004https://localaihub.com/post/2004Thu, 14 May 2026 08:09:00 GMT那不够。知识库产品至少要测追问、纠错、补充条件、用户说“不是这个意思”的情况。

]]>https://localaihub.com/post/2003https://localaihub.com/post/2003Thu, 14 May 2026 08:01:00 GMT我们之前只测单轮。

]]>https://localaihub.com/post/2002https://localaihub.com/post/2002Thu, 14 May 2026 07:06:00 GMT注意历史消息。很多模型单轮答得好，多轮带旧上下文就开始漂。

]]>https://localaihub.com/post/2001https://localaihub.com/post/2001Thu, 14 May 2026 04:59:00 GMT小批次也能测。先 80 条真实样例，10 条高风险样例，别上来搞大工程。

]]>https://localaihub.com/post/2000https://localaihub.com/post/2000Thu, 14 May 2026 01:54:00 GMT但本地模型评测太慢，业务方等不了。

]]>https://localaihub.com/post/1999https://localaihub.com/post/1999Thu, 14 May 2026 00:26:00 GMT还要看数据边界。不是所有内容都适合走海外云模型。选型不是只选能力。

]]>https://localaihub.com/post/1998https://localaihub.com/post/1998Wed, 13 May 2026 23:27:00 GMT我会先让 Qwen、DeepSeek、GPT、Claude 各跑一遍同一批样例。别用“感觉中文好”这种词，给可判分的样例。

]]>https://localaihub.com/post/1997https://localaihub.com/post/1997Wed, 13 May 2026 20:27:00 GMT那 Qwen 和 DeepSeek 怎么选？都说中文不错。

]]>https://localaihub.com/post/1996https://localaihub.com/post/1996Wed, 13 May 2026 18:37:00 GMT先拆任务：事实问答、流程解释、表格抽取、跨文档比较、不能回答时怎么说。不同模型强项不一样。

]]>https://localaihub.com/post/1995https://localaihub.com/post/1995Wed, 13 May 2026 15:33:00 GMT我也被榜单坑过。代码榜很高的模型，拿来回答制度问题一堆废话。

]]>https://localaihub.com/post/1994https://localaihub.com/post/1994Wed, 13 May 2026 15:05:00 GMT粗。榜单可以当候选入口，不能当选型结论。你们任务是知识库问答，应该先拿真实问题测引用、拒答、中文口语和成本。

]]>https://localaihub.com/post/1993https://localaihub.com/post/1993Wed, 13 May 2026 12:26:00 GMT