TASK 04 / REPORT
写报告，模型负责起草，不负责签字。
报告的价值不在字数，在判断和证据。模型能读、能整理、能起草，但结论、责任和签字仍然是人的。
最后校准 2026-10-18
数据周 2026-W42
适用：尽调 / 投研 / 工程可研 / 政策梳理
一句话结论：长文档与成稿用 Claude Opus 5.5；一次读完整套 PDF、又要控制成本，用 Gemini 4 Argon；中文政策、规范、市场知识优先 Qwen3.8 Max。
主力
Claude Opus 5.5
报告成稿能力强：结构、取舍、边界条件写得清。文档竞技场第一仍是 Claude Opus 5，5.5 在综合智能指数上更高。
AA 智能指数 57.6 · 输出 $20/M成稿
长文档
Gemini 4 Argon
1M 上下文、$2/$10，能把整套 PDF 一次装进去。适合先做全量摘要和交叉索引，再分段深读；联网检索要在 Gemini 产品内或自接搜索。
竞技场 1532.3 · 第 1 名 · 4,904 票长文档
中文知识
Qwen3.8 Max
中文检索与知识型回答稳，检索竞技场第二，价格低。政策、规范、地方市场这类中文资料优先。
竞技场 1261.1 · 第 2 名 · 1,870 票中文检索
WORKFLOW
怎么排一条能跑的流水线
先建证据目录
把所有资料编号、标页码、列来源。模型引用时只允许引用编号，方便回查。
分段读，不要一次问结论
先让模型做每份资料的结构化摘要，再让它做跨资料对比。一次问「结论是什么」，得到的多半是套话。
要求它列分歧
加一句「哪些来源互相矛盾，最强的反方论据是什么」。这一句最能提高报告质量。
数字回原表，结论人签字
财务数字、面积、工期、单价，全部回原始表格核对。模型只写公式和口径，不替你把关。
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 |
|---|---|---|---|
| 尽调报告 | Claude Opus 5.5 | GPT 6 Astra | 结论必须人签 |
| 读 200 页 PDF | Gemini 4 Argon | Claude Opus 5.5 | 分段喂，留页码 |
| 政策 / 规范梳理 | Qwen3.8 Max | Gemini 4 Argon | 回原文核条文 |
| 财务测算 | GPT 6 Astra | Claude Opus 5.5 | 模型写公式，人来算 |
| 访谈纪要 | Claude Haiku 5.5 | GLM-5.3-Flash | 便宜，先转写再摘要 |
| 成稿润色 | Claude Opus 5.5 | Kimi K3 | 保留原判断 |
LIMITS
边界与坑
- 引用会编。文件号、条款号、发布日期，逐个打开原文核对。
- 长上下文不是无限记忆。100 万字里，中间段落的召回明显下降，重要资料放开头或分次喂。
- 模型倾向于给你一个「完整」的答案，哪怕证据不足。要求它标出「不确定」和「缺证据」。
- 未公开的尽调资料、客户数据、报价，不要进公有 API。用私有部署或脱敏后再用。
- Qwen3.8 Max 的检索成绩只有 1,870 票，样本偏小；中文知识类结论建议再用第二个模型复核。