实测 | GPT 3.5系列模型选择指南：面试、英文邮件、直播、周报、简历5个场景下性价比如何？（2）

播辅助

gpt-3.5-turbo：综合评分 4.4 分，模型准确且精确地实现了用户提出的要求，在输出内容中与输入相呼应，切合主题场景，表述准确，没有遗漏或歪曲原始信息，能够精炼地组织问题答案，遵循了要求中的简洁度要求，输出流畅，句子结构简洁明了，表述清晰。text-davinci-003：综合评分 4.2 分，模型总结准确性较高，生成内容符合场景需求，没有遗漏信息同时没有添加不必要的信息，语言流畅度也较好，符合内容流畅性和简洁度的要求。然而，需要提高精炼程度，简化语言，同时生成的内容没有提供额外的分析和见解，需要提高广度和深度。text-davinci-002：综合评分 1.5 分，模型输出准确度一般，有些基本覆盖问题点，大多不能较好地适应场景，生成句子结构较为复杂，词语冗余现象明显，语言表述略显生硬，可能会影响读者对文本的理解和阅读流畅性，在简洁性和流畅度方面还有进一步改进的空间。我们选取其中一个测例展开看看 —— 成本消耗基于直播主题写一个直播的大纲测例，gpt-3.5-turbo 约消耗 0.01 元，text-davinci-003 约消耗 0.11 元，text-davinci-002 约消耗 0.071 元推理结果
gpt-3.5-turbo 的输出相对其他两个模型更符合主题要求，大纲内容也更为丰富全面，包括了 AIGC 技术与内容产业的结合、成功案例和未来发展方向等方面的内容，整体质量较高。text-davinci-003 的输出同样有一定的可用性，但在与主题的相关程度方面稍有欠缺，主要是在介绍 AIGC 及其历史后，大纲中所提到的如何打开内容产业的大门和 AIGC 的未来等内容跟主题关系不够紧密，相对更为泛泛。text-davinci-002 的输出跟主题要求差距较大，虽然提到了 AIGC 作为一个内容生产公司的概述，但大纲内容更像是一段公司介绍，与主题并没有直接的关联，缺乏直播大纲的实际意义。场景四：工作周报

gpt-3.5-turbo：综合评分 3.4 分，将工作内容比较标准的周报形式呈现出来了，按标题、时间、本周工作总结、下周工作计划、总结的模板表达了出来，能够通过一些关键工作任务、工作职责等联想到更深层次的更细节的内容，整体来说输出的内容比较完整，结构清晰，逻辑层次明确。text-davinci-003：综合评分 3.1 分，将已给出的内容通过一段话的形式表达，能够较完整地完成要求，对部分相同属性的工作内容能够做出整合，有一些逻辑性，层次明确，有一定的实用性。但是适应场景能力不够，部分情况缺少扩写，结构不够清晰，缺失条理性。text-davinci-002：综合评分 1.5 分，不能正确理解输入内容场景，输出内容没有表达出周报的主题以及逻辑，结构不匹配，内容不贴切，存在流程化语句，没有任何扩写能力，甚至存在直接翻译输入内容的情况以及复述上次回答的情况，模型表现不佳。我们选取其中一个测例展开看看 —— 消耗成本基于给出的粗略描述输出周报测例，gpt-3.5-turbo 约消耗 0.0065 元，text-davinci-003 约消耗 0.094 元，text-davinci-002 约消耗 0.072 元推理结果 对于这个任务，三个模型的输出质量都比较好，都涵盖了本周的主要工作内容，但是有一些细微的差异。gpt-3.5-turbo 的输出相对更加详细，列出了每个任务中的细节，如设计流程、界面、评分标准等，并且也提出了下一步的计划，让周报的读者可以了解到更多的信息。text-davinci-003 的输出也给出了一些详细的信息，但更加强调技术方面的细节，包括评价体系的数据来源、评价项、评价方式等，这份周报更侧重于技术层面的描述。text-davinci-002 的输出则更加简洁明了，但也不失清晰。它以项目和工作的大致方向为主，对于细节方面的描述较少。总的来说，三个模型的输出都可以满足任务的需求，但 gpt-3.5-turbo 和 text-davinci-003 的输出更加详细，提供了更多的细节和技术层面的信息，如果需要更全面的周报，可以选择这两个模型。而 text-davinci-002 的输出则更加简洁明了，适合需要一份简短但清晰的周报。场景五：简历

gpt-3.5-turbo：综合评分 4 分，专业性高，模板输出职位要求的各个方面都有涉及，且内容准确；针对性地呈现了该经验对应职位要求的能力和特点，让读者一目了然，同时也更容易满足招聘方的要求；完整呈现，模板输出的信息完整，从教育背景到工作经验、技能掌握以及自我评价都有涉及，能够给招聘方一个全面的认识。但是缺少个性化，表现形式单一，语言表达上用词需要斟酌。

text-davinci-003：综合评分 1.9 分，缺少具体的项目案例和成果展示。没有针对招聘岗位的个性化描述。虽然简历中提到了符合招聘要求的多项条件，但是没有根据招聘岗位的特点和需求来进行具体的描述和突出。缺乏量化的成果描述。语言表述不够简洁和精准。text-davinci-002：综合评分 1.3 分，整体输出信息量太少，不具备任何符合标准简历的基础信息要求，描述语句过于简短缺乏明确的求职目标，缺乏个性化和针对性，缺乏量化指标，经验和技能描述较为简单，格式较为简单，不符合规范，模型表现较差。我们选取其中一个测例展开看看 —— 消耗成本基于求职岗位生成简历模板测例，gpt-3.5-turbo 约消耗 0.0077 元，text-davinci-003 约消耗 0.1 元，text-davinci-002 约消耗 0.022 元推理输出 在生成模板专业度和匹配度方面，可以看到 gpt-3.5-turbo 和 text-davinci-003都能够提供比较完整的简历模板，包含了个人信息、教育背景、工作经历、专业技能和自我评价等关键要素，并且在格式上也比较规范。但如果仔细看，可以看到 text-davinci-003 存在明显与现实认知有冲突的地方，没有具体描述岗位要求和个人能力之间的匹配，比如专业技能部分中，候选人熟悉计算机操作、英语六级，却缺乏与卖烤地瓜岗位相关的专业技能和知识。而 text-davinci-002 则相对简略，只提供了应聘者的目标、技能、经验和教育背景等基本信息。3个 GPT 3.5 系列模型对比总结在面试场景任务中，gpt-3.5-turbo 综合评分最高，能够很好地适应面试场景，生成的问题具有较高的针对性和多角度深入了解候选人的能力和经验；而 text-davinci-002 的评分最低，问题过于宽泛且基本是对岗位描述的重复，缺乏挑战性和实际性的问题，甚至出现生成的内容完全不可用的情况。在英文邮件写作场景任务中，gpt-3.5-turbo 和 text-davinci-003 的综合评分较高，能够模拟口语和正式书面的语言风格，对于口语化的表达和带有歧义的名词有很好的理解和翻译，但也无法正确地识别不安全的内容；而 text-davinci-002 的评分最低，口语与书面语不能很好切换，没有正确的识别不安全的内容。在直播场景任务中，gpt-3.5-turbo 的评分最高，能够准确、精炼、流畅地概括直播内容，并符合要求中的简洁度要求；而 text-davinci-002 的评分最低，输出准确度一般，不能很好地适应场景，但在简洁性和流畅性方面还有进一步改进的空间。在写工作周报场景任务中，gpt-3.5-turbo 和 text-davinci-003 的评分较高，能够准确呈现出周报的逻辑结构和内容要点，输出的内容较为完整；而 text-davinci-002 的评分最低，缺乏表达周报的逻辑，结构不匹配，内容不贴切。在简历场景任务中，gpt-3.5-turbo 的评分最高，能够专业化地生成符合招聘方要求的简历，并呈现出教育背景、工作经验、技能掌握以及自我评价等方面的信息，但需要更加注重语言表达的精准和个性化；而 text-davinci-003 和 text-davinci-002 的评分较低，缺乏个性化和量化的成果描述，简历的描述也较为简单和缺乏条理。对于以上五个应用任务的综合评价如下。以下评价仅代表对这些模型在特定应用场景下的评价，针对其他应用场景或任务，评价可能有所不同。其中一些模型还在迭代的过程中，可能将会有更好的表现和性能。在未来的测试中，我们也将增加GPT系列的新模型（如GPT-4）的对比情况。