本地小模型适合范围明确、格式稳定、对网络不敏感的任务，例如分类、提取和简短改写。任务越开放，越需要额外评估。
先测量设备内存、生成速度与连续运行时的温度，再选择量化版本。输入和输出都要有长度上限，避免一次加载超量资料。
用固定样本比较准确性、拒答行为、输出结构和恢复时间。检查模型许可证、来源与更新记录。
本地运行避免把内容发送到远程服务，但设备共享、日志和模型文件本身仍可能泄露信息。备份与访问权限同样重要。
先围绕一个窄任务建立可测基线，再扩展范围。离线能力值得珍惜，但它需要用任务质量换得明确边界。
这里的“确认”只表示信息能在发布页、接口文档或实际产品中找到明确表述，不表示能力已经通过独立复测。模型名称、版本别名和地区限制尤其需要回到当前控制台核对。
模型更新需要同时跟踪接口与产品页面。接口名称保持不变时，背后版本也可能调整；反向代理和缓存层还会改变实际请求条件。维护记录应包含调用时间、模型标识和完整参数。
判断模型更新是否值得关注，可以观察它改变了哪类失败：是更少遗漏、更好遵循格式，还是只在演示题上更流畅。真实任务中的错误类型，比一个综合排名更有解释力。
这项检查不需要搭建复杂实验环境。选一个本周真实发生过的任务，保留输入和最终结果，再按同样条件重新运行一次。重点观察模型或工具是否解释了不确定部分，以及错误能否被人快速发现。
测试完成后，把可确认事实、编辑解释和仍待观察的问题分开记录。对于会变化的模型、价格和政策，写明查询日期和账号类型；下一次复查时先核对条件是否仍然一致。
如果结果无法被第三人理解，先缩小任务范围。自动化不是取消判断，而是让判断更集中地发生在清楚的位置。
在公开页面上，“新”和“更好”不是同义词。新版本可能带来新的默认参数、新的内容限制，也可能只是重新命名了原有功能。把变化拆成可观察行为，才知道它是否进入你的实际任务。
记录时不要只写成功或失败，还要写明为什么。输入是否过长、问题是否含糊、工具是否被允许访问必要资料，这些条件决定了结论能否被下一次使用。
复核结束后，关闭所有临时授权并删除不再需要的测试材料。这样下一次再运行同一任务时，才能从相对一致的环境开始，也不会让测试记录成为新的数据负担。
最后确认这个选择是否允许暂停。暂停之后，原先的工作能否用较低成本继续完成？如果答案需要重做全部流程，说明所谓的便捷已经形成脆弱依赖。
