编者说明：本文于二〇二六年十月二十日补录，按档案日期归档；并非该日实时新闻。
研究结论需要可复现的任务、明确的基线和能够暴露失败的评测。讨论模型能力时，也要把数据、工具、延迟与人的校验纳入同一条链路。
值得关注的判断
模型参数更少并不自动带来更快体验。设备内存带宽、首次加载、上下文长度和并发调度都会改变用户等待时间。
落地时的做法
使用目标硬件和代表性任务测量冷启动、稳定运行、长输入与低电量情形。比较量化精度、批处理策略与模型分层对质量和功耗的影响。
如何复盘
同时报告中位延迟和尾部延迟、峰值内存、耗电量及任务质量。选择能在最差常见条件下保持可用的配置，而不是只展示实验室最快结果。
技术选择应服务于明确的问题，也应保留质疑、纠错和退出的空间。团队可从小范围验证开始，持续公开依据与限制，再依据真实反馈决定是否扩大使用。