← 服务体验
北大人医应急 · 评测结果
工具模型 × 评测通路对比矩阵 · 每个用例的输入/过程/输出可展开查看
emergency
duty
实验批次:
第九批次 v8.2（正式 HTTP · 直驱/自由Agent · GLM/Qwen）
第九批次 v8.1（正式 HTTP · 直驱/编排 · GLM/Qwen）
第九批次 v8.1（阶段结果 · Qwen已完成 · GLM待测）
第八批次 v8.1（正式直驱 · GLM/Qwen · 自然续报）
第八批次 v8.1（阶段结果 · Emergency双模型 · Duty Qwen）
第八批次 v8.0（省略信息专项 · GLM clean）
第七批次 v7.1（优化版 · GLM 超时恢复）
第七批次 v7.0（泛化评测集 v2 · GLM 全量）
第六批次修复版（泛化评测集 v2 · GLM 分层快评）
第六批次（泛化评测集 v2 · GLM 全量）
第五批次（泛化评测集 v2 · GLM 抽测）
第四批次（多通话续报判定）
第三批次（真实记录·医疗校准消融）
第二批次（多轮对话）
第一批次（单轮对话）
工具模型:
配置对比总表
选择配置查看逐例详情：