别再追“最强模型”了，先想清楚你要什么

别再追"最强模型"了，先想清楚你要什么

一份给普通用户的选模型指南。不推荐任何具体模型，只给方法------因为方法不会三个月过期，模型会。

你大概也遇到过这种场面：听说某个新模型"史上最强"，兴冲冲切过去，让它写封邮件、润色一段文案。结果开头就是"值得注意的是"，通篇一股熟悉的 AI 味。你叹口气，切回旧模型，甚至开始怀疑：是不是我不会用？

多半不是你不会用，也不一定是模型不行。很多时候，是选法不对。

AI 模型偏科得很。同一个模型，写代码是天才，写给人看的文字却是灾难；在英文榜上排第一，中文却一塌糊涂。"最新、最强、最贵"只说明它在某些考试卷上分数高，不代表它适合你手头这件事。

所以，别再问"哪个模型最好"，换成问"我这件事，该用什么样的模型"。

这件事有个现成的类比：招人。

少做一步，后面都可能返工。下面按顺序走一遍。为了说得具体，全文都用一个例子：让 AI 帮你写周报、邮件、公众号文章，而且要像你自己写的。

选错模型，首要原因不是模型差，而是没想清楚要什么。"拿最强模型写文章"就是典型的岗位错配------就像招一个奥数冠军来写产品文案。

动手前，先问自己四个问题：

拿贯穿例子回答一遍：写周报、邮件和公众号文章，要"像我自己"，中文，每天用。看到没------这个岗位描述里，一个字都没提"最强"。

招人要先谈薪资，选模型也得看看预算。各家模型都是分档卖的，同一个家族里，旗舰和入门档的价差能到 100 倍。

什么时候值得上旗舰？只有两种情况：这件事很难，中档模型把"思考强度"拉满还是不行；或者出错的代价你承担不起。

日常对话、常规写作，中档绰绰有余。升档随时可以；默认买旗舰，会多花很多钱。

顺带说说"思考强度"（effort），有的叫推理模式。它控制的是模型"想多深"。这里有两个常见误用：简单任务开高档，只会更慢、更贵，还容易想多了跑偏；指望它治"AI 腔"，实际上风格问题在哪个档位都存在。

看榜单就像筛简历：它能帮你缩小范围，却不能替你决定录用谁。动手之前，先问一句：这分数是谁打的？

给你看一个真实的"两榜打架"。GPT-6 Astra 的写作水平：在 EQ-Bench 这个由 AI 当评委的榜上，它排第一；在 arena.ai 的真人盲投里，414 场对决，它只赢了 38 场。

同一个模型，机器评委说它是状元，真人投票却把它排到倒数。这个矛盾本身就是信息：机器评委欣赏结构完整、要素齐全；真人读着觉得假腔假调，不像人说的话。你的文章是写给谁看的，就信谁打的分。还要注意一下问题：

中文任务看中文榜。各家中文榜（真人投票制）和英文榜的排名经常对不上，别照抄。
公开榜单有"泄题"问题。考题会混进下一代模型的训练数据，分数天然虚高------实证研究里，MMLU 约三成测试项有污染迹象。所以榜单只能做初筛，帮你圈出两三个候选，终审权留在自己手里。

这是整套方法里性价比最高的一步，做起来却只有三步：

跑完这一轮，"感觉这个模型不太行"就变成了"这两道题它都答非所问，那道题的三次输出里两次出现了'值得注意的是'"。前者是情绪，后者是证据。

这套题别扔。以后模型升级了，或者你想换新的了，拿出来重跑一遍，就当给它做年度绩效复评。

这有点像新人入职：人招到了，规矩还得讲清楚。

模型在训练中被反复奖励过"看起来全面""滴水不漏"，于是出厂自带一些习惯：爱免责声明、爱列清单、爱总结陈词、顺着你说，对话一长就开始重复自己。这些多数都能调教，而且调教远比换模型便宜：

禁令比形容词管用。"写得简洁自然一点"是模糊指令；"不要用'值得注意的是'开头，不要列超过三条，不要在结尾总结"是可以逐条执行的。经验上，规则里八成写"禁止什么"，效果最好。
给它你的范文。风格这个东西，你说不清楚，但它学得会。贴一段你自己写的文字，比一百个形容词都准。
想听真话，就别给暗示。把"这样改是不是更好？"换成"这两版各有什么问题？"前者它多半顺着你说。想让它挑错，就直接说明："直接指出错误，不用客气。"有实验发现，只说"请批判性思考"，它发现了问题也可能憋着不说。
重要规则放配置里，别只在聊天里说一次。对话太长，早先的约定会被稀释、遗忘。把规则放进系统提示或自定义指令里，隔一阵子让它复述一遍当前要遵守的规则。

但也有一类问题，提示词救不了：安全审查的硬拦截（比如漏洞类请求，声明"我有授权"也没用）、输出的随机性、超长内容被悄悄截断。遇到这类问题，要么换模型，要么换工作方法。别浪费一个下午，反复改提示词。

过了面试，还有试用期和绩效考核。选模型也一样，后面要留三个心眼：

模型会悄悄变。同一个名字，几个月后行为可能就不一样了------厂商会静默更新。甚至有用户抓包发现，自己选的是旗舰，实际响应的却是入门款。能锁定版本就锁定，也要养成核对的习惯：实际到手的到底是什么？
调好的规则也会过期。换模型、模型升级之后，原来管用的提示词可能悄悄失效。老规矩：拿第四步的题重跑一遍。
设置好成本上限。偶尔聊天无所谓；一旦开始挂 agent、跑批量任务，成本会成倍往上涨。设个上限，总没错。