确定比较范围

三种工具使用相同模型和相同公开输入,完成一项结果可核对的任务。记录版本,不把某一环境的结果当成所有版本的结论。

记录这四项结果

  • 任务结果是否完整且能回查依据。
  • 执行耗时和模型调用费用。
  • 需要多少配置与人工干预。
  • 输入缺失或工具失败时如何表现。

这是比较方法,不是测评结论

本篇提供比较方法,尚未运行三方性能测试。正式测评应公开环境、输入和验收结果,再给出适合具体场景的建议。

资料与说明

本篇为入门方法导读,不是版本实测记录;具体命令与兼容性请以当前官方文档为准。