面试时听到“模型效果好”，该追问什么口径？

有消息提到，一个完全智能体化的 ML 基准 WeirdML v3 上，两个模型得分分别是 42% 和 26%，成本 27 美元与 32 美元，输出 token 153k 与 251k。素材作者称两者效率差距明显。注意，这只是该基准下的一组数字，评测方法、任务构成和评分标准都未说明。

所以面试里听到“我们模型效果好”，第一句可以问：这个结论来自哪个基准、哪类任务、怎么打分？是公开榜单还是内部评测集？如果对方只给一个分数，不给任务分布，你很难判断它和你入职后要做的事是否相关。

假设场景：两个团队都说自己“效果好”。A 团队说的是在内部客服意图分类上准确率提升，B 团队说的是在开放推理任务上排名靠前。前者更接近工程落地，后者更接近研究探索。你要做的不是判断谁更强，而是判断哪个方向和你想要的工作内容一致。

为什么成本与输出 token 也值得求职者关注？

同一组数字里，得分高的那个成本更低、输出 token 更少。素材作者认为效率差距“相当明显”。这提醒你：评测不只看分数，还看花了多少资源换来的。

面试中可以这样问：这个效果是在什么成本约束下达到的？推理延迟和 token 消耗有没有上限？如果团队回答“我们不太看成本”，那说明岗位日常可能更偏追分数；如果对方能说清成本控制方式，说明工程约束是日常工作的一部分。两种都没有对错，关键是和你自己的偏好匹配。

读岗位描述时也要留意：写“优化推理性能”“降低服务成本”的岗位，和写“探索新模型能力”的岗位，日常关注点不同。前者更可能要求你熟悉资源权衡，后者更可能要求你跟进前沿方法。这些信息岗位描述里未必写全，需要你在面试中确认。

开放权重模型落后，对选方向意味着什么？

素材作者还表达了对开放权重模型落后的担忧。这属于一种观点，不是岗位需求信号。你不能从这句话推出“开源方向没前途”或“闭源岗位会变多”。

但你可以把它当作一个提问入口：团队更关注闭源 API 还是开源权重路线？这个选择会影响你日常用什么工具、解决什么问题、和谁协作。如果对方说“我们主要调 API”，那你的工作可能更偏应用集成与评测；如果说“我们要自己微调和部署”，那对训练和工程能力的要求会不同。

无论哪种路线，都建议你在面试前做一件小事：挑一个你熟悉的评测基准，试着向自己解释它的任务类型、评分方式和局限。这样当面试官说“效果好”时，你能接着问出具体问题，而不是只点头。

本文为求职分析，不构成对任何模型能力或招聘行情的判断。