评测体系
资源
了解如何阅读榜单、选择思考档位,以及评估模型升级是否适合你的任务。
将各维度成绩、评测耗时与参考费用并排展示,逐项查看差异。
比较两款模型各自综合分最高的实测档位。先看与你任务相关的能力维度,再对比评测耗时与参考费用。
对照两代 Sol 模型各自综合分最高的实测档位,查看得分变化是否伴随评测耗时或参考费用的增减。
固定 GLM 5.3 模型,直接对比 High 与 Max 两个实测思考档位的表现与代价。
比较相邻档位的得分变化、评测耗时与参考费用。
从可接受的质量门槛出发,再寻找更快或更省的配置。
区分综合分、单维度强项与具体实测配置。
先比较代际差异;判断性能回退需要同一实测配置的历史成绩。
查看各实测档位的完整成绩与子轴明细。