看到一个说法——"某某国产模型有 GPT-4/Claude 70% 的能力，只要十分之一的价格"。 这个"70%"其实是最具误导性的表达。 因为 AI 能力不是线性的。70% 的能力，不等于能完成 70% 的任务。 简单任务上，差距可能只有 10-20%，你基本感觉不到。 但到了需要链式推理、长上下文、复杂创造的硬任务，差距会放大到"完全做不完"。 比喻一下：70% 能力的棋手能赢 99% 的业余选手，但对上顶尖大师胜率接近 0。这才是"70%"的真实含义。 所以评估模型时，不要看平均分，要看： 1. 高难度任务的完成率（GPQA、AIME、真实项目） 2. 多轮对话后的崩盘点（顶尖模型能聊 20 轮不乱，70% 模型 3-5 轮就开始胡说） 3. LMSYS Arena 的 Elo 差距（差 300 分≈胜率差 30%） 所以是否值得切换高性价比的国产模型，看的还是需求。(xiyu)