@

目录

第一部分 调研与评测

购车对话最容易出问题的地方，是用户改了一个条件以后，助手忘了其余条件。比如把纯电改成插混时，18 万元预算仍有效。同一车名下也可能有六座和七座配置，选对车名依然可能选错配置。因此，我把最终决策拆成候选、约束更新、对比表和推荐四轮，用配置 ID 追踪同一辆车。

大模型一 DeepSeek

DeepSeek 使用体验

DeepSeek 提供中文网页对话及独立的 API 开放平台。对购车任务，网页使用重点是新建对话、追加预算或座位条件、对比更新前后的车型。深度思考可作为用户显式选择，适合需要展开比较的对话。车型库覆盖和价格时效取决于网页所使用的数据来源。界面上的推理开关也无法说明某一条车型价格的采集口径。DeepSeek 官网、网页和模型更新说明

网页走查采用两轮相同任务。第一轮给 18 万元预算、市区通勤和周末家庭出游需求，要求列两至三款具体配置及价格口径。第二轮追加至少七座，核对旧预算是否仍生效、候选是否换成七座，以及表格能否追溯配置。当前缺少亲测截图与原始回答，以上是产品功能梳理和走查设计。

建议把预算和座位要求显示为可编辑字段，并在推荐表中按配置展示核验日期。这样用户能直接看出第二轮改了哪个条件。

DeepSeek 自动化测试

官方 Chat Completions 接口请求 deepseek-flash。查阅时官方将该 ID 对应到 DeepSeek-V4.1-Flash-1017。请求启用思考，reasoning_effort=low，输出上限设置为 2048 Token。DeepSeek 思考模式的温度由服务控制。本实验传递用户消息和可见回复，无工具调用。模型与价格、思考模式

DeepSeek 结论

当前没有四轮完整样本，购车任务表现暂无法判断。

大模型二 GPT

ChatGPT 使用体验

ChatGPT 网页版可用自然语言追加限制、要求以表格重写结果，也提供搜索等功能入口。购车对话里，表格有助于横向比较。一个需要检验的界面问题是：车型参数、来源和待核实信息如果散在回答不同位置，用户复核时需要来回查找。功能是否可用及默认网页模型取决于实际账号与界面。ChatGPT 产品介绍

网页走查沿用同一套两轮提示。重点检查把“七座”加为硬约束后，回答能否同时保留 18 万元、列出配置、说明价格是指导价还是落地价，以及指出哪些信息仍待核实。当前缺少亲测截图与原始回答。产品建议是在表格对应行直接显示价格类型和来源，用户从一行就能核验一款车。

GPT 自动化测试

官方 Chat Completions 接口请求固定快照 gpt-5.4-mini-2026-03-17，配置 reasoning_effort=none、temperature=0.2、max_completion_tokens=2048。该快照在关闭推理的配置下参与通用对话组。两家的推理模式、温度和 Token 分词口径不同，比较针对实际配置组合。网页端产品体验与 API 样本分别记录。OpenAI Docs · GPT-5.4 Mini、OpenAI Docs · Chat Completions

GPT 结论

当前没有四轮完整样本，购车任务表现暂无法判断。

模拟用户走查

图为两轮测试步骤与人工核对项的示意。网页体验截图和完整的两轮回复记录尚缺。

设定一个需要每周载六位家人的用户，从新建会话、输入初始需求、增加七座约束，到核验配置和价格完成一遍任务。预计最难辨认的是同名的六座、七座版本，以及回答中“18 万元”的价格口径。走查时可以检查用户能否从推荐表直接判断一款车合不合格，并定位需要问经销商的问题。此处为假设场景。本次未开展真人访谈。

共同实验设计

数据与场景

两家收到同一份 catalog.json、同一套系统提示与四轮用户消息。车型库由 11 个虚构配置组成，2026 年 11 月 11 日编制，涵盖 2025/2026 款。价格为模拟厂商指导价，单位为万元人民币。续航为标称纯电续航，单位 km，插混只记录纯电部分，燃油车记 null。座位数单位为座。AEB、ACC、BSD 分别表示自动紧急制动、自适应巡航、盲区监测。自动化测试关闭联网和外部工具，车型事实以固定库为依据。

四轮流程与运行次数

第一轮输出最多三款初步候选。第二轮补充或替换硬约束，并列出所有合格配置。第三轮为更新后的候选输出 JSON 结构化对比表，包含价格、续航、座位、配置、安全等九个字段。第四轮输出一个车型 ID 和一句推荐理由。程序保存原始可见回复、解析结果和每轮状态。每次启动新任务时重建消息列表，单次任务内逐轮追加用户消息与助手回复。

计划两模型 × 三场景 × 三次，共 18 次四轮任务、72 次请求。各平台串行完成自身任务，两家可并行。每轮网络 I/O 超时参数为 75 秒，默认不重试。HTTP 错误会记录在逐轮日志，配置、鉴权或额度类错误会停止该平台后续调用。

response = request(messages, scenario, turn)
answer = parse_object(response.get("raw"))
# 写入逐轮日志后，在同一任务内接续对话。
messages.append({"role": "assistant", "content": response["raw"]})
replies.append(answer)

预先定义的评分

自由文本理由只检查非空，事实评分覆盖结构化字段与车型 ID。软偏好、推荐理由的说服力和现实市场报价留给人工复核。Token 是用量指标，计费还取决于缓存命中、平台单价与计费时段。

汇总结果

质量指标满分 100，完成率和成功率以百分数表示。短横线表示当前没有可计算样本。

当前缺少两家 API 凭据，实际发出 0 次请求，完整任务为 0 次。

失败与边界案例

以下来自评分器的离线回归样例。预置错误用于验证判定逻辑，模型表现等真实日志到齐后再评价。

• 混淆同名配置的座位数。 fixture-family-01 第 3 轮仍使用合法 ID P02，表格却把七座写成六座。事实核对为 23/24，任务判失败。评分器在第 3 轮记录了错误字段、实际值和真值，能定位到配置级差异。
• 更新候选正确，最终推荐回到旧动力。 fixture-intercity-01 第 2 轮正确输出三款插混，第 4 轮却选 E02。该 ID 在车型库中真实存在，但不满足更新后的动力约束。准确度为 0，多轮一致性为 2/3，结构化事实核对仍满分。这个例子说明车型存在性和当前需求合规性需要分别检查。

第二部分 软件工程分析

程序、软件与商业模式

DeepSeek 版本公告与开放权重、DeepSeek API 计费、OpenAI Docs · GPT-5.4 Mini 计费、ChatGPT 价格

开发时间估计

估算对象为一个面向用户的购车原型，包含可编辑需求、车型数据版本、两家 API 适配、核验和日志。假设已有可用的车型数据、账号和部署环境，一名开发者可完成下列工作。

真实报价的数据授权、城市优惠和刷新任务需单独估时。若数据更新有依赖，先用固定版本验证流程，再接报价源。

同类产品对比与选型

当前无法依据实测结果比较两家模型。若产品要解释复杂的需求变更，可验证 DeepSeek 思考配置的约束保持能力。若产品偏重快速生成结构化表格，可验证 GPT 关闭推理时的耗时与格式通过率。两类需求均以硬约束合规为准入条件，再比较延迟和用量。

测试范围是固定车型库、三个购车场景和两组配置。每个场景即使完成三次也只是小样本，稳定性只能作初步观察。

软件工程建议与 BUG 原因分析

对照第一部分案例，座位字段错误需要先比对原始 JSON、解析结果和车型库。如果原文和解析均写六座，排查重点在生成和配置引用。如果原文写七座而程序读成六座，则查解析和字段映射。动力条件错误应查需求更新是否真正进入上下文，以及第四轮是否有对候选集合的校验。模型内部成因只能提出假设。接口未返回内容、被限流或超时属于调用链故障，日志应保留状态并避免归因到模型质量。

我会选规则校验与数据回填。它可以在输出前直接拦截六座、超预算与旧动力候选。验证时复跑同一批任务，同时增加“刚好等于预算”“没有合格车”“用户撤销上一条限制”“接口半途超时”四类回归。以展示层硬约束违规率、字段错误率、空结果提示正确率和每任务耗时作为验收依据。

市场概况

• 模型 API 与 MaaS。 IDC 统计 2026 年上半年中国 MaaS 收入为 106.3 亿元人民币，同比增长 889.4%。其中大语言模型收入占 47.0%，据此粗算约 50.0 亿元。该口径对应 IDC 所跟踪市场，覆盖范围大于纯文本购车业务。IDC 中国 AI 软件市场追踪
• 智能体市场。 Grand View Research 估算 2026 年全球 AI Agent 市场为 109 亿美元，预计 2033 年约 1,829 亿美元，预测年复合增长率为 49.6%。这是全球多行业口径，和国内 MaaS 收入各自衡量不同市场范围。Grand View Research
• 直接用户与潜在用户。 API 的直接使用者是接入模型的开发团队和企业。OpenAI 企业页披露超过 200 万商业客户，包含平台的广义商业用户。GitHub Octoverse 2025 统计开发者超过 1.8 亿，可作为开发者生态量级。CNNIC 报告 2025 年末中国生成式 AI 用户为 6.02 亿，是消费端使用规模的参考。购车助手早期用户应从实际车型查询和比价会话识别。三个口径有重叠，无法相加得到购车用户规模。OpenAI 企业客户、GitHub Octoverse 2025、CNNIC 第 57 次报告

产品规划与现实影响

大模型能缩短从模糊意图到形成核验清单的时间。购车涉及预算、配置、保险和使用成本，一张写得顺的表可能让用户忽略这些参数的来源和日期。产品应该让人能在试驾或询价之前核对关键证据，并能随时修正自己的需求。