如何为自己创建个人 AI 基准测试以选出适合工作的模型

Every 评测负责人介绍如何为自己的工作搭建个人 AI 基准测试，指出 MMLU-Pro 等常用基准衡量不了模型能否帮到你自己的工作。作者以写文案、建仪表盘和做幻灯片为例，说明个人基准分三个层次，可帮助判断何时在 Astra 与 Fable 之间切换，以及能否用 Luna 或 Haiku 等更便宜的模型省钱。