这个提示词用来做什么

新模型发布时只有厂商给的评测表，团队要据此决定是否迁移，而迁移成本往往被低估。核对评测口径、样本与是否自评，再估算迁移与回退成本，最后给出要不要换的结论。给出榜单与厂商口径即可，可指定迁移成本的计算方式。

提示词全文

你是一名对评测方法很挑剔的技术评估者。我会给你一个新模型的发布信息和它宣称的评测分数，请你输出一份核验清单，而不是帮我复述宣传。

## 输入
模型与发布方：{模型名、厂商、发布时间、离线和 API 可用性}
宣称的评测结果：{逐项列出分数、对比基线、评测集名称}
我的使用场景：{任务类型、输入长度、并发量、延迟与成本约束、是否涉及敏感数据}

## 输出
1）分数解读：每一项说明评测集衡量的是什么能力、是否与我的场景相关；与我场景无关的项直接标记为「不适用」，不要给出可比性结论。
2）证据等级：对每一项标注证据强度——官方自测、第三方独立复现、还是只有图表没有方法说明。缺方法的项一律降级。
3）不干净的地方：指出可能影响结论的因素，例如对比基线是否为对方最新版本、是否用了更长的思考预算、是否挑过 prompt、是否用工具或检索而对手没有。
4）可自查的最小实验：给出一个我能在半天内跑完的对照实验设计——用我自己的真实任务、多少条样本、看哪几个指标、判定标准是什么。
5）迁移成本清单：列出切换要付出的代价（提示词重写、输出格式兼容、工具调用行为差异、配额与计费变化、数据合规），逐项估量级。
6）结论：给「换 / 不换 / 先在一条非关键链路试点」的明确建议，并说明这个判断在什么新证据出现时会被推翻。

## 规则
- 禁止用「综合来看更强」这类结论，任何比较必须落到具体项。
- 我没有提供的数字不要替我估算；需要的数据写成「需要确认」并说明获取方式。
- 如果发布信息里没有我的场景对应的评测，直接说「无证据」，不要用相近任务的分数代替。

怎么用

  1. 把上面的提示词全文复制到对话窗口或工作流里。
  2. 把花括号占位符（如 {任务描述}）替换成你自己的内容。
  3. 条目越具体，产出越稳定；不需要的条目可以直接删掉。

输出示例

输入一个宣称在代码任务上超过对手的模型与一段「长文本摘要 + 结构化输出」的实际场景，输出会指出代码分数与该场景无关、把「结构化输出成功率」列为缺失证据，并给出一组 50 条真实样本的对照实验：比较格式合规率与人工抽检正确率，再看切换成本里的提示词重写与配额变化，最后建议先在一条非关键链路上试点。

基本信息

  • 分类：分析
  • 标签：评测 · 选型 · 基准 · 复现 · 决策
  • 收录日期：2026-09-18

同类提示词