04 · 怎么用这张地图
前三章告诉你场上有谁。这一章告诉你怎么从里面挑一个——用一个二十分钟就有答案的方法，而不是读三天评测。
先按硬约束筛，再谈好不好用
顺序错了会白忙。先过这三道门，剩下的才是候选。
门一：数据能不能出去
问三个问题：
1. 这些材料能不能发到公网服务？
（客户资料、财务数据、未公开的代码、个人信息——多数公司的答案是不能）
2. 能不能出境？
3. 有没有必须私有化部署的要求？这一道通常不由你决定，去问合规或者你的主管。答案会直接砍掉一大半选项——比如"不能出境"就砍掉了国外那一章的全部。
这是最多人跳过、也最贵的一步
先花两周选了一个好用的，再被告知不能用——这是最常见的返工。先问，再试。
门二：要不要在自己机器上跑
需要私有化部署 / 端侧运行 / 二次训练的，只能看开放权重的那些。
| 方式 | 适合 | 代价 |
|---|---|---|
| 公网 API | 绝大多数场景 | 数据要出去 |
| 私有云 / 专有部署 | 数据不能出内网 | 贵，要运维 |
| 本机 / 端侧 | 完全离线、极敏感、或者要跑在设备上 | 能力受限于小模型 |
门三：能不能稳定地用上
账号能不能注册、能不能付款、网络稳不稳定、有没有企业发票和合同。
听起来琐碎，但它决定了这件事能不能长期做下去。 一个团队十个人用，其中三个人登不上，这个选型就是失败的。
然后：二十分钟测一遍
过了三道门，剩下的候选通常只有两三家。用这个方法测，别读评测：
挑三家 → 拿你手上一个真实任务 → 用同一条提示词各跑一遍 → 每家跑三次。
要点：
半小时得到的结论，比读十篇评测靠谱——因为它测的是你的活，不是别人的题。
如果你已经按提示词篇 08 章建了五条测试集，那更简单：直接拿测试集跑一遍，看每家过几条。 这也是那个测试集的额外红利——换模型时，五分钟就能验。
关于榜单
榜单是趋势指示器，不是选型依据
两个问题：
一、它测的不是你的活。 榜单用标准题测通用能力，而你的活是"整理我们公司的会议纪要"——这两件事的相关性没你想的高。
二、它变得太快。 你今天看到的第一名，下个月可能是第三名，而这三名之间的差距在你的任务上可能根本感觉不出来。
正确用法：看谁在场上、大致什么水位，不看具体名次。想看的话，LMArena 这类是人类盲测投票的，比纯跑分参考价值大一点。
一个省钱的分档习惯
选定一家之后，还有一层选择：用它的哪一档。
简单活（格式转换、分类、摘要、改写） → 便宜档，快又省
难活（复杂推理、长文档分析、写代码） → 强档
要稳定重复跑的活 → 先在强档调通提示词，再试降档能不能过
需要"推"的活（算账、找矛盾、多条件判断） → 推理模型最后那条见 03 章。默认全用最强那档，是最常见的浪费。
怎么自己查最新情况
这一节比前三章都重要——因为它不会过期。
| 想知道什么 | 去哪儿 |
|---|---|
| 某家现在有哪些型号、什么价、多大窗口 | 它自己的官网 / API 文档。这是唯一权威来源 |
| 开放权重的模型有哪些、怎么下载 | Hugging Face（国际）· 魔搭 ModelScope（国内） |
| 大致水位和趋势 | LMArena 之类，看趋势不看名次 |
| 想一次试几家、不想注册一堆账号 | OpenRouter 这类聚合平台 |
建立一个习惯：每季度花半小时。
- 拿你的测试集，在当前用的模型上重跑一遍——确认没退步；
- 挑一个新出的候选，同样跑一遍；
- 明显更好、或者明显更便宜，就换；否则不动。
别追新。 换模型的成本不只是改个配置——你的提示词、Skill、Workflow 可能都要重新验一遍。半小时的对比，能帮你判断这个成本值不值得付。
一件事不会变
这一整篇会过期，但下面这句不会——它是入门篇那句话的重复，值得作为这一篇的收口：
同一个模型，话说清楚和说不清楚的差距，比换一家模型大得多。
所以选型这件事，给它二十分钟，别给它两周。 省下来的时间放到提示词篇去——那里的每一分钟回报都更高。
下一步
选完了，就回到主线上：