社區裡常看到「某某模型又屠榜了」，但落到業務裡，先要回答三個實際問題。

1. 任務主要是推理還是檢索？

強推理（數學證明、複雜程式重構）傾向選推理專長的模型；大量檢索+摘要（客服、內部知識庫）可能更看嵌入與 RAG 工程，基座模型差距會被縮小。

2. 單次上下文要裝多少原文？

長合約、長程式庫，要確認視窗與價格是否同時可接受。有時「先摘要再問答」比硬塞全文便宜且更穩。

3. 失敗時代價是什麼？

醫療、金融、公共安全場景，寧可多一步人工審核，也要把自動化的邊界寫清楚。模型再強也不消除產品責任。

榜單是參考，情境與風險才是決策主語。