#模型测评
共 2 篇文章
企业做大模型 API 选型，应该只看跑分吗？一次测评 Claude、ChatGPT、Deepseek、Qwen、Kimi、GLM 的经验
企业选大模型API时，不应仅看单次回答质量或Token单价，而应关注模型在完整软件工程任务（从需求分析到云端部署）中的自主完成能力、一致性和真实成本。本文通过测试Claude、ChatGPT、Deepseek等模型完成团队任务看板系统并部署到云服务器的实践，横向对比了各模型的实际表现。该测评结果适用于需要模型闭环交付的企业选型场景。
【实战测评】GPT-5.6模型全栈交付能力实测：Sol/Terra/Luna 完整对比
针对GPT-5.6三档模型（Sol/Terra/Luna）上线后的选择困惑，实测全栈项目FlowTask的交付能力，Terra综合得分84最高，Sol和Luna分别为73和56。适用于需要量化评估模型全栈开发质量的场景，帮助开发者按需选型。
