开放模型评估表：让比较回到同一项任务

先把不能用的方案排除

把具体版本、可接受的处理环境、允许访问资料的人员与必需功能列为进入评估的条件。关键条件不通过应单独标记，不能被漂亮的综合分抵消。

普通任务、困难任务与保留任务分开

普通任务反映日常工作；困难任务观察缺失依据、冲突内容和格式异常；保留任务只在验收时使用，避免反复调试后得到过于乐观的结论。

用分数记录判断，不用分数掩盖问题

可从任务正确性、资料依据、人工修正负担和流程适配四项开始，每项0至4分，测试前确认权重。关键事实错误或访问边界问题必须另行报告。

比较一项可用结果的完整代价

记录响应时间、服务或推理费用、设备运维、人工检查和重做时间。未知成本应留空或列作假设；最终结论可以说明各方案适合哪些任务，而不必强行选出一个胜者。

现在开始填写

下载可编辑模板

下载UTF-8文本文件，可在记事本、Word或常用文本编辑器中修改。您填写的内容留在自己的文件中，不会通过此页面上传。

下载可编辑模板

展开查看空白模板

# 开放模型评估记录

项目／评估日期：
负责人／审阅人：

## A. 进入评估的条件（通过／不通过／未确认）
具体版本与使用条件：
处理环境与访问安排：
必需功能：
关键条件不通过时的处理：

## B. 配置
模型标识／版本／文件哈希：
托管或本地运行环境：
提示词版本：
资料与检索配置版本：
生成参数／并发：

## C. 样本记录（每项任务复制一份）
任务ID／普通、困难或保留：
输入与期望结果：
运行次数：
输出保存位置：
关键错误与评分理由：
任务正确性（0—4）：
资料依据（0—4）：
低人工修正负担（0—4）：
流程适配（0—4）：
响应时间：
复核／修改／重做时间：

## D. 测试前确认权重
建议起始值：40%、25%、20%、15%；可按任务调整，合计100%。
总分 = Σ（百分数权重 × 单项分 ÷ 4）。
不能用平均分抵消的失败项：

## E. 结论
已观察结果：
费用与未确认的成本假设：
适用任务／不适用任务：
待补测项：
配置与记录的移交位置：