TASK 05 / BENCHMARK
做对标，模型帮你找齐，不帮你下结论。
对标分析最难的不是写，是「找齐」和「口径一致」。前者靠检索和长上下文，后者靠你先定维度。
最后校准 2026-10-18
数据周 2026-W42
适用：竞品对标 / 市场进入 / 项目比较
一句话结论：找资料、读多份竞品材料用 Gemini 4 Argon；中文政策与市场用 Qwen3.8 Max；结构化对比矩阵和取舍理由用 Claude Opus 5.5；要覆盖全球英文源用 GPT 6 Astra。
主力
Gemini 4 Argon
1M 上下文能把十几份竞品资料一次装下，价格还低。Gemini 产品内可联网补最新数据；走 API 要自己接搜索工具。
竞技场 1532.3 · 第 1 名 · 4,904 票综合
中文检索
Qwen3.8 Max
中文网页、政策、地方数据的检索质量稳，检索竞技场第二，价格是海外旗舰的零头。
竞技场 1261.1 · 第 2 名 · 1,870 票检索
结构化
Claude Opus 5.5
把一堆材料压成对比矩阵、写清每个维度的取舍理由，是它的强项。适合最后一轮成稿。
AA 智能指数 57.6 · 输出 $20/M成稿
WORKFLOW
怎么排一条能跑的流水线
先定维度和权重
价格、地段、产品、去化、工期、政策风险，先列维度再找资料。维度不定，模型会给你一堆无法比较的信息。
让模型做「来源表」而不是「结论」
第一轮只要三列：事实、来源、日期。没有来源的直接标红，不进矩阵。
单独跑一轮反方
把初步结论交给另一个模型，要求它找反例、挑口径问题。同一模型很难推翻自己。
人做最后取舍
对标的结果是决策，不是排名。权重怎么定、风险怎么算，仍然是你的事。
SIDE BY SIDE
同一件事，谁更合适
这张表是编辑判断，不是榜单排名。依据在每行的注释里。
| 具体任务 | 首选 | 替代 | 注意 |
|---|---|---|---|
| 竞品资料搜集 | Gemini 4 Argon | GPT 6 Astra | 产品内联网；API 需自接搜索 |
| 中文政策 / 市场 | Qwen3.8 Max | GLM-5.3 | 回原文 |
| 对比矩阵 | Claude Opus 5.5 | GPT 6.1 Sol | 先定维度再喂料 |
| 多源冲突 | Claude Opus 5.5 | GPT 6 Astra | 要求列出分歧 |
| 快速初筛 | Gemini-3.8-Flash | GLM-5.3-Flash | 便宜，适合大范围扫 |
| 结论压力测试 | GPT 6 Astra | Grok 4.7 | 让它反驳自己 |
LIMITS
边界与坑
- 联网检索的质量取决于源。模型会把营销稿、旧新闻和官方数据混在一起，必须看域名和日期。
- 同一份材料，换个 prompt 就能得到相反结论。结论不稳，说明证据不够，不是模型不行。
- 对标数据要标时点。房价、去化、政策一个月就变，去年的数据不能拿来比今年。
- 不要让模型替你做投资判断。它可以列事实、列分歧、列情景，签字的人是你。
- Qwen3.8 Max 的检索票数 1,870，排名会随新票波动；重要结论至少用两个模型交叉。