# 评测基准

**URL:** https://devnext.cn/c/news/benchmarks/24.md

[最新](https://devnext.cn/latest.md) · [类别](https://devnext.cn/categories.md) · [标签](https://devnext.cn/tags.md)

---

## [关于“评测基准”类别](https://devnext.cn/t/topic/593)

<div class="topic-metadata">

**Author:** [@system](https://devnext.cn/u/system)\
**回复:** 0

</div>

---

## [2026 年了，选模型这件事该怎么想](https://devnext.cn/t/topic/36)

<div class="topic-metadata">

**Author:** [@devnext](https://devnext.cn/u/devnext)\
**回复:** 0\
**最近更新：:** [2026 年10 月 26 日 16:09 UTC](https://devnext.cn/t/topic/36 "2026-10-26T16:09:04Z")

</div>

每隔两周就有新模型刷榜，追是追不完的。分享一套我自己的判断框架，比追 benchmark 有用。 先分清三类任务 类型 特征 该看什么 抽取/分类/改写 有明确正确答案，输出短 便宜 + 稳定 + 结构化输出能力 推理/分析 需要多步思考 推理链质量，长上下文表现 创作/对话 没有唯一答案 风格、语气、指令遵循 三类任务的最优模型通常不是同一个。用旗舰模型做抽取是最常见的浪费。 Benchmark 的正…