结果是 haiku 5.5 med 3% high 4%opus 5.5 med 6% low 2% sonnet 5.5 med 3% 然后评估了一下认为 haiku med 反而是做得最好的，当然没啥意义，只跑了一次纯抽卡。 就是一个 docx文档处理任务，目标明确但手段什么的有一定开放性，关闭记忆，但有项目功能而且各个模型能明显看到有的读的项目文件更多有的读的更少 今天粗糙测了一下，真的非常粗糙，没有算输入输出 token 什么的。也只是算百分比，但实际上这个百分比肯定有更小的数的但反正也是图一乐。…