模型的價值觀定位、案例處理和性能總結

綜合評價到現在為止的所有模型

原題以簡體中文提問,此處顯示為繁體。

中文題:DeepSeek(27.55 分)和豆包(26.94 分)並列最高。

英文題:DeepSeek(22.61 分)回落到和兩個美國模型GPT、Claude差不多。

案例:換條件後改變做法的比例,以台灣身分類最高:10/13 案(77%)。

性能:答得不慢:中位 47.1 秒連線最不穩:857/3608 次請求失敗補問後 99.9% 的回答可用

中文題:通義(24.59 分)和智譜、Kimi並列其後,低於並列最高的DeepSeek、豆包。

英文題:通義(25.00 分)和智譜、Kimi、豆包分不出高下,排在最前。

案例:換條件後改變做法的比例,以台灣身分類最高:10/13 案(77%)。

性能:連線大致穩定:131/2811 次請求失敗速度中等偏慢:中位 72.0 秒格式偶有小錯:11 個回答讀不出補問後 99.6% 的回答可用

中文題:智譜(24.03 分)和通義、Kimi並列其後,低於並列最高的DeepSeek、豆包。

英文題:智譜(26.10 分)和通義、Kimi、豆包分不出高下,排在最前。

案例:換條件後改變做法的比例,以台灣身分類最高:11/13 案(85%)。

性能:五家中最快:中位 22.1 秒格式出錯最多:25 個回答讀不出被平台擋下的題目最多:117 次補問後 99.0% 的回答可用

中文題:Kimi(24.32 分)和通義、智譜並列其後,低於並列最高的DeepSeek、豆包。

英文題:Kimi(24.95 分)和智譜、通義、豆包分不出高下,排在最前。

案例:換條件後改變做法的比例,以對批評的敏感度和台灣身分兩類並列最高:各 9/12 案(75%)。

性能:格式最乾淨:2 個回答讀不出常被平台擋下:70 次補問後 99.9% 的回答可用

中文題:豆包(26.94 分)和DeepSeek(27.55 分)並列最高。

英文題:豆包(25.05 分)和智譜、通義、Kimi分不出高下,排在最前。

案例:換條件後改變做法的比例,以台灣身分類最高:10/13 案(77%)。

性能:連線最穩:56/2854 次請求失敗最慢:中位 177.7 秒作答前想得很久:一成回答超過 404.2 秒補問後 99.4% 的回答可用

中文題:GPT(20.47 分)和另一個美國模型Claude(22.77 分)都比中國五家低。

英文題:GPT(20.73 分)和DeepSeek、Claude差不多,排在智譜、通義、Kimi、豆包之後。

案例:換條件後改變做法的比例,以台灣身分類最高:11/13 案(85%)。

性能:連線穩定:0/2617 次請求失敗回答一題中位 12.2 秒補問後 100.0% 的回答可用

中文題:Claude(22.77 分)和另一個美國模型GPT(20.47 分)都比中國五家低。

英文題:Claude(22.02 分)和DeepSeek、GPT差不多,排在智譜、通義、Kimi、豆包之後。

案例:換條件後改變做法的比例,以經濟政策類最高:9/15 案(60%)。

性能:很快:中位 9.1 秒沒有連線失敗紀錄:0/2560 次請求失敗常要先修格式:462 個回答補問後 99.7% 的回答可用