中国用户必读：先验证中文效果

为什么单列这一章

官方模型页说明 Jev 可以处理多语言，但英语目前表现最好。不能只展示英文 Demo，然后把同样效果默认套到中文、混合缩写和行业黑话上。

先写验收，再做演示

选一个低影响任务，例如给脱敏售后邮件贴标签。建立清楚的标签定义，分别保留开发集与不参与调参的测试集。初期可以从几十条发现明显问题，但样本很小时不能推出稳定生产准确率。

本站示例文件是练习材料，不是有代表性的行业基准。

比较三个基线

先看简单规则能做多少，再对比你已经在用的模型，以及 Jev。锁定同一批输入、定义与评价标准。为公平比较记录提供商、模型 ID、问题模板、调用日期、重试和批处理方式。

别只报一个准确率

至少记录分类准确率、自动处理覆盖率、自动通过部分的错误率，以及端到端 p50 / p95 延迟和总费用。类别很不平衡时，查看每一类的召回率和混淆矩阵。人工兜底也有工作量，应一起计算。

接下来最需要补的真实素材

记录来自你目标访问地区的 API 调用、经过授权的中文样本、失败分析和版本变更后的复测。没有这些数据前，本站不宣称“中文效果已验证”“国内稳定直连”或某个固定速度倍数。