前段时间和一个并不怎么懂计算机技术的医院大主任谈合作，期间他对豆包极尽夸赞而对千问反应极为冷淡
我们这边一众人都蒙了，因为我们自己一向外事不决ChatGPT，自己研发都Qwen，内部问了一圈下来甚至都没有人用过豆包，各种排行榜豆包要不根本不送测，要不也就那么回事，我们觉得无法理解
然后就下了个看看到底是怎么回事
用完讨论我们猜测，我们这群码农用LLM的方式和正常人是完全不一样的
在当下，像我们一样长期坐在工位上有稳定的网页，打字飞快的人是少数，也很少有人像我们这样盯着标准化评测集（包括LMSYS和Livebench）的分数评估大模型性能。其实现在大模型的专业能力已经超出了一般人能评价的标准了，哪怕是专业人士对专业领域的大模型的性能也只能有一个很直观而粗糙的印象（比如知乎上很常见的挑几道研究生/竞赛题的测试方法）
但在C端，大众根本不打字，大众首先要愿意和你高高兴兴地聊下去
所以你评测一个大模型，一旦打开网页，你已经脱离人民群众了。正确的玩法是下载手机APP，然后开始和他语音聊天。当你用这种方式开始测试时，你就能发现字节令人拍案叫绝的产品力，这和它的各种标准化测试评分无关。
打开豆包半分钟，就能强烈感觉到默认的语音模式，和默认的开朗外向的小姑娘的语音设置的威力。尽管类似的功能大家也都有，但是你就发现字节就能想到要把这两个东西做成默认的，而且做的更好。这或许就是口碑的胜负手。在这方面，阿里不行，open ai也不行
