面试被问模型选型，先分清评测来源

消息提到，GPT-6 Sol 和 GPT-6 Luna 已上线 Arena，投票会影响其评估结果；Agent Arena 则基于数百万个真实世界、长周期的智能体任务来评测模型。这类信息对求职者的价值，不是让你背结论，而是提醒你：面试里被问“你怎么选模型”，先问清楚对方说的评测是哪一种。

平台评测反映的是特定任务集上的相对表现，官方基准反映的是厂商自报口径，两者都不能直接等同于你的业务场景效果。一个可用的追问是：评测任务和我们要做的场景，在输入长度、工具调用次数、失败容忍度上差多少？如果答不上来，榜单排名只能当参考，不能当选型依据。

定价信息进汇报，先确认口径

素材里没有给出具体定价数值，这恰恰是面试中容易踩的坑。假设你在模拟汇报里写“某模型成本更低”，面试官很可能追问：这是促销价还是常规价？是否含缓存命中、批量调用等优化？

两类做法差别很大：一类是把促销价直接当长期成本写进方案，另一类是把促销期限、常规价、调用量假设分开列，并标注哪些数字需要向厂商或内部账单核实。后者更稳，因为它把不确定性摆在了明面上。产品岗不需要自己算清每一分钱，但需要知道哪些成本项还没确认。

模型能调用工具，产品岗追问什么

消息提到，模型可以访问网页搜索、文件系统和终端工具来完成复杂工作流。这句话在面试里常被当成“能力很强”的证明，但产品岗更该追问边界：工具权限谁授予？数据能不能出内网？调用失败时是重试、降级还是直接报错？

这些问题没有标准答案，取决于你的业务合规要求和工程实现。面试时可以把它们作为核查清单抛出来，展示你知道能力描述和可上线功能之间还有距离。

一个实际可做的小建议：下次看到模型榜单或定价页，先写下三个待确认项——评测任务是否贴近你的场景、价格口径是否含促销、工具权限是否可控，再决定要不要写进方案。