如何在Whizi中并排比较AI模型

简短回答

在聊天头部按下"比较"（Compare），为每一列选择一个模型，然后把同一个提示发送给两边。每一列都保留各自的隐藏对话，因此一个模型看不到另一个模型的输出，任何一个回答都不会被另一个牵着走，这正是这种比较之所以有意义的全部原因。两栏会先后依次生成，先左后右，因为每个账号一次只能运行一次生成。

并排比较是Powerhouse功能，一次运行两个模型。每个回答都按各自模型的积分费率计费，所以用一个10积分的模型对比一个20积分的模型，总共要花30积分。

用它来决定某类工作应该默认用哪个模型。如果你想改进一个回答，而不是比较两个回答，那就换一种做法：在同一个对话里切换模型，让第二个模型来批评第一个模型的回答。

为什么跑分回答不了你的问题

已发布的跑分衡量的是模型在标准化任务上的表现。你的问题更具体也更有用：在你自己每周要做二十次的那件事上，哪个模型更强。这是两个不同的问题，第二个问题没有现成答案，因为没有人和你的工作量一样。

把同一个提示发给两个模型，大约花三十秒，就能直接回答这个问题。重要的不是你得到了两个答案，而是你搞清楚了差距有多大。有时候两个输出几乎一样，这说明这类任务不用再纠结选哪个模型。有时候一个根本不能用，这一点最好在你把整套工作流建立在它上面之前就知道。

比较还能抓住另一件事：自信满满的错误。当两个模型对同一个事实性问题给出实质不同的答案时，至少有一个是错的，而你只看其中一个回答是发现不了的。这种信号，在单模型的工作流里，无论花多少钱都得不到。

先定义好"更好"是什么意思，再去看结果

并排比较的陷阱，是偏爱那个更长、更自信、看起来更精致的输出。这些都不是质量。先定好你的评判标准，再去看结果。

任务	"更好"意味着什么	应该忽略什么
写作	需要更少编辑就能直接发出去	长度、用词、热情程度
事实类调研	来源能核实并支持这个说法	流畅度和自信程度
信息提取	schema正确，没有编造字段，标签一致	表格周围文字的质量
推理	步骤站得住脚，边界情况有被考虑到	结论是否符合你原本的预期
代码	处理了失败路径，便于审查	是否聪明、是否简洁
摘要	保留了重点，去掉了不重要的部分	是否面面俱到

一个实用技巧：在读任何一个输出之前，先写一句话，描述一个好答案应该包含什么。然后再去读。这只要十秒钟，却能防住那种很强、而且大多是无意识的"精致偏好"。

对于事实类问题，要关注的是分歧本身，而不是谁赢了。当两个模型在一个具体数字和一个来源上意见一致时，可信度就比较高。当它们出现分歧时，那正是需要去核实的地方，也是整个练习里最有价值的产出。

能暴露真实差异的提示词

有些任务能明显区分模型，有些则不能。如果你想从比较中学到东西，就用那些会给某项具体能力施加压力的提示词。

• 压力下的语气。 写一封给客户的邮件，说明我们错过了截止日期，要承担责任，但不要过度道歉，也不要找借口。控制在120词以内。 语域上的差异在这里会立刻显现出来。
• 严格提取。 从这段文字里提取每一个日期、金额和当事方，整理成一个JSON数组，字段必须严格用这几个键。如果某个字段不存在，用null。不要推测。 测试的是格式纪律，以及编造内容的倾向。
• 带陷阱的推理。 给一个有貌似合理但错误答案的问题，比如一道比率或比例题，直觉路径是错的那种。模型之间的差异在于是否会抄这个"近路"。
• 长上下文回忆。 上传一份很长的文档，问中间部分的内容。这能揭示真正可用的上下文长度，而不是宣传里说的那个数字。
• 承认不知道。 关于[某个真正冷门或非常新的事情]，官方宣布了什么？ 最好的答案是清楚地说"我不知道"，或者是一个有来源的检索结果。在这里编造内容是不合格的。
• 遵守否定式约束。 解释X，但不要用任何类比或比喻。 对否定式指令的服从程度，差异会比你想象的大。

拿你自己真实的工作去做比较，而不是拿谜题去做。一个在你的季度报告上表现更好的模型，比一个在逻辑谜题上表现更好的模型更有用。

把一周的比较变成一张路由地图

单次比较很有意思。一周的比较才有实际用处。具体做法：

1. 连续五天，每当有一件重要的任务，就把它同时发给两个模型，而不是只发给一个。
2. 记下任务类型、赢家，以及差距有多大。三个字就够了。
3. 到了周末，看看哪个模型反复获胜，哪些任务里两边的输出可以互换。
4. 据此设置你的默认模型，并且不再比较那些差距一直为零的任务。

人们通常会发现，比较只在少部分工作上有意义，在剩下的工作上纯属浪费时间。快速的事实查询、简单的改写、常规的排版格式，很少能区分出模型的高下。而要给客户看的文字、会影响决策的调研，以及涉及陌生领域的推理，则会明显拉开差距。

这个结果才是回报：在没有差别的地方，你不再比较；在会改变结果的任务上，你继续比较。

并排比较与依次切换

两种不同的技巧，值得区分开来。

并排比较把同一个提示发给两个互相看不到对方输出的模型。每一列都保留各自的隐藏对话，用[Compare]前缀命名，并且不出现在侧边栏里，所以追问也能保持公平：两个模型各自维持独立的多轮上下文。这是选择默认模型、以及发现事实分歧的合适工具。

依次切换指的是先拿到一个回答，然后在同一个对话里切换模型，让新的模型来批评它。当你想找出问题所在，而不是做一次比较时，用这个方法，因为第二个模型可以直接针对具体论点展开讨论。参见在对话中途切换模型。

大致的原则是：选哪个模型，用并排比较；改进一个答案，用依次切换。