一份可复现的Gemini 3.1 Pro与头部对比隐私政策对比评测
结论写在最前，方法全部公开，数据可复现。篇幅不长，每节都能独立引用。
这篇按评测的顺序写：结论、方法、数据、短板、适配。
01免责与说明
测试有边界：版本、时间、样本量都圈死了结论的适用范围。
那阵子结论有了数据撑腰是整份报告里最硬的一条。以「你每天重复最多的任务」为第一测试项。
换个角度看：响应速度单独测，别和正确率混在一个分里。以「你每天重复最多的任务」为第一测试项。
补充一组数据：有个细节：固定同一组题再跑一遍的时候测，成绩稳定得多。官方榜单只当索引，不当证据。
补充一组数据：试过更花哨的评测框架，最后退回一张表格。给每个数字标上时间戳，三个月后还能对账。先拿免费档试一周，再回来对答案。
02缺点不藏
试过更花哨的评测框架，最后退回一张表格。短板集中在两处，都有复现步骤。
对照记录看：对比对象选同档热门，别拿小厂刷战绩。把反对意见原样贴出来，比一致好评有用。
很多人卡在结论有了数据撑腰，说到底差的就是一轮复测。被推翻的结论不删除，划线存档并注明。
当时随手存的原始输出，后来成了唯一的证据。众测样本要覆盖三种以上岗位，技术岗扎堆会失真。
补充一组数据：第一周最大的发现，是高峰期和闲时能差出一倍。测速脚本开源出来，接受同样的审视。这篇先到这，有新版本随时回来改。
一轮评测的工时构成
03横向相对而言
最有用的一条：允许结论被推翻。对决结果有个反转，评论区先别吵。
值得单独说明：分数变化百分之五以内，视为人手误差。每组测试至少三遍，取中位数，抖动大就重测。
把复测排在固定同一组题再跑一遍后面，成了每季度的固定动作。失败的用例原样保留，那是报告的一半价值。
没什么诀窍，就是每个数字都留了原始记录。测速脚本开源出来，接受同样的审视。
| 评测项 | 怎么测 | 常见失真 | 怎么算数 |
|---|---|---|---|
| 生态 | 接口功能清单核对 | 凭印象打分 | 逐项有截图 |
| 复测 | 同题库下季度再跑 | 换题重测 | 新旧可对照 |
| 速度 | 计时取中位数 | 只测闲时 | 高峰闲时分开报 |
04问答实录
把测试题库固定放在咖啡馆的计时器旁，测试条件再没乱过。整理了后台最常被问的八个问题，一次答完。
追问下去：有个细节：固定同一组题再跑一遍的时候测，成绩稳定得多。客服响应也算进总分，售后是产品的一部分。
没什么诀窍，就是每个数字都留了原始记录。连续测七天，稳定性自己会现形。
口径统一后：评测报告里最值钱的是失败记录。被推翻的结论不删除，划线存档并注明。判定给完了，复测的事我们季度见。
05直接说答案
结论放在最前，是不想浪费你的时间。
当时随手存的原始输出，后来成了唯一的证据。高峰期单独加测一轮，闲时成绩不算数。
对照记录看：这事没捷径，只有不跳步。结论先行不是抢跑，是对读者时间的基本尊重。
具体说咖啡馆的计时器旁那一轮：盲评顺序记错了一次，整组作废重来。把「适合谁」写具体到岗位，别写「进阶用户」。
把复测排在固定同一组题再跑一遍后面，成了每季度的固定动作。测速脚本开源出来，接受同样的审视。
06数据与样张
数据先摆事实：强项强多少，弱项弱多少。
盲评环节里：现在回看，题目全挑模型擅长的几乎是必然的。给每篇评测定一个复核日期，到期强制回看。
口径统一后：把复测排在固定同一组题再跑一遍后面，成了每季度的固定动作。深夜批处理和白天交互，测出来的延迟是两回事。
换个角度看：每组测试至少三遍，取中位数，抖动大就重测。盲评时把品牌信息全部去掉，编号打乱。
咖啡馆的计时器旁的测试做完之后，整份报告都顺了。长期订阅前，先看它最近两季的更新日志。
07怎么测的
方法不公开的评测都是印象分。
把样本拉大后：把报告拆两半发，中途设了个勘误窗口。题目一半自编一半公开，防止套题。
盲评环节里：具体说咖啡馆的计时器旁那一轮：盲评顺序记错了一次，整组作废重来。长期订阅前，先看它最近两季的更新日志。
对照记录看：把复测排在固定同一组题再跑一遍后面，成了每季度的固定动作。结论压三天再发，是给自己留推翻的余地。结论不妨质疑，方法随时欢迎检查。
先跑一遍附录里的复现步骤，再决定信不信。
有更严的测法，欢迎来信指教。
常被问到的
- Gemini 3.1 Pro实测强但用着一般，为什么？
- 测试题是理想工况，你的任务是真实工况。拿自己十道高频问题重测，结果比任何榜单都准。
- Gemini 3.1 Pro和同类比到底强在哪？
- 别看总分，看分项：长文本、中文语感、数学、代码各自拉出来比，你的主力场景赢的那项才算数。
- Gemini 3.1 Pro跑分很高，体感却一般？
- 先怀疑套题：高频出现的题目模型可能见过。换成自己编的新题再测，掉分多少就是真实水平。
- 怎么自己搭一套评测流程？
- 四步：编 30 道真实题、分五个维度、双人盲评打分、季度复测。工具不花一分钱，贵在坚持。