计算真正有用的工作。
定义什么样的交付物可以验收。版本更多，不等于获批资产更多。
核心要点更多活动。
更多活动。
更多产能？
模型可以生成更多。要了解团队是否工作得更好，应看哪些成果被接受、用了多久，以及质量如何。
纳入完整评审。
记录准备、执行、检查与返工时间。生成时间只是其中一部分。
比较等效任务。
保持范围、复杂度、周期和质量标准一致，并公开来源与假设。
带给你的团队
从这里开始： 一项任务。
选择一个示例，看看比较之前需要记录什么。
建议衡量记录
比较有用的答案，而非搜索次数。
两次衡量采用相同范围和验收标准。
示意示例- 工作单位
- 由研究负责人认可的综合结论。
- 基线
- 在明确范围内，无辅助搜索、阅读和综合信息所花的时间。
- 审核与返工
- 核对来源、修正错误及填补信息缺口所花费的时间。
- 质量标准
- 来源可追溯、覆盖所提问题，且结论有证据支持。
这些示例是衡量模板，不描述客户结果，也不计算生产力提升。
方法与限制每个数字都需要
每个数字都需要
其背景。
Wiwo 的历史估计缺少足够的公开文档供人复现，因此保留作背景参考，不视为已验证结果。
我们能观察什么
在明确流程中记录的活动、通过验收的交付物、人工时间、审核与返工。
数量无法证明什么
仅凭 token、图像或调用次数，不能证明质量、生产力、因果关系或业务结果。
方法说明
也请阅读假设。
使用某项数据前，先检查证据状态和比较条件。
证据状态
文档不完整的内部估计。
上一版报告了 200 亿词元当量、218 万次操作、6 zettaFLOPs、35% 的智能体流程和 8.7 倍系数。但复现这些数字所需的完整时间区间、原始记录、换算规则和分母均未公布。因此，这里仅将其保留为当时报告的历史估算，而非经验证的结果。
建议方法
汇总之前，先按任务衡量。
评估能力时，应记录任务、数量、初始人工时间、辅助后时间、审核和返工，并保持质量标准一致。比较需要相当的群体和时间窗口。
- 净节省时间 = 初始耗时 − 辅助执行耗时 − 审核耗时 − 返工耗时
- 每周期产能 = 验收通过的交付物 / 人工工时
- 能力变化倍数 = 后续能力 / 初始能力
条款
区分活动、质量和结果。
未公开公式和假设时，不要将 token、图像或调用次数换算为等效产出。质量、成本、采用率和业务结果应分开衡量。
待验证数据
一个数字应附带什么。
衡量记录应包含时间区间、样本、来源、公式、排除项、负责人及可复现证据。在这些信息齐备前，不应将估算作为基准或保证。
视频解读报告背后的问题
背后的问题
该数据。
说明 Wiwo 内部评审中的指标与假设。请结合视频一并阅读其限制。
从阅读到实践应该衡量什么
应该衡量什么
在你的团队中？
让我们审视一项任务、它的基线，以及评估它所需的信息。