方法
我们怎么测、怎么报告
每篇评测让几款小团队买得到的产品和 ChatGPT 做同一件事，再根据留存的输出，报告它们实际做成了什么。
运行状态
每次尝试只归入一种状态：测试有输出、测试无输出、无法访问、未测试。产品已配置好并收到任务，但在测试时限内没有交付，算作该任务失败、计 0 分，并标明状态（如“输出不完整”“仍在等待”）。我们这一侧的缺口一律不算作产品失败：没有执行的任务、无法访问的产品、没有拿到的记录。
证据强度
我们只用四种标签之一：初步比较、在本样本中更好、稳定推荐、证据不足以区分。目前所有评测都是初步比较。
分数、综合分与排名
任何总分旁边都同时给出分项结果。综合分只在写明权重时出现（AI 可见度评测：问题 30%、诊断 30%、行动 40%），每个名次都编号；评分稍有变化就会对调的相邻名次标为“可能互换”。营销文案评测四个问题分别报告，不合成总分。客服评测只给证据状态。
谁来评分
目前各篇评分都有 AI 参与。每篇文章写明由哪个系统评判了哪些输出，以及哪条规则是测试后加入的。
更新与复测
我们会持续更新每一篇评测。主要的新模型发布后，我们会重跑测试并更新结果；新的证据和更正也会随时补进来。每篇评测都在“更新记录”里列出每次改动及其日期。
我们还没测什么
这些评测都没有衡量业务结果（可见度、回复、转化、销售）、成本和人员时间。每篇文章在结果旁都写明了这一点。
商业关系
analyst.ai 与所评测的任何产品都没有商业关系：没有赞助、付费排位、联盟链接，也没有厂商提供的账号或额度。每篇评测都针对其中的厂商写明这一点。