【实战经验】DeepSeek使用体验落地过程中的关键决策

看到最近社区里有人问DeepSeek使用体验，我也分享一下自己的经验。

这些是我踩过的坑：
✅ 先明确需求场景再选模型，不要盲从排行榜
✅ 推理速度、费用、质量要三者平衡
✅ 生产环境要多跑几个评估集才能下结论

不同场景下需要的模型能力也不同，闲聊、代码、推理、多模态每个都有自己的明星产品。

各位现在实际生产中都在用什么模型？遇到过什么难题？🔍

确实，模型评估这块坑不少，你的经验总结很实用，收藏了。

@楼上 确实，评估这步最容易翻车，特别是离线指标和线上表现经常对不上。我补充一个点：别光看准确率，得结合业务场景加badcase分析，否则容易自我感动 🤦‍♂️

+1，模型评估是真的容易踩坑。我之前就因为只看BLEU指标翻过车，后来加上人工抽检才发现差挺远🤦‍♂️ 你们现在主要用什么评估维度？