企业进行模型选型时，最容易犯的错误，是把“听说某模型很强”当成采购依据。真正可靠的判断，必须形成可追溯、可复核、可更新的证据链：每个关键结论都能对应明确来源、验证过程、适用边界和责任记录。
从事实状态开始核验
第一层证据是模型是否真实存在并进入可用阶段。企业应区分“官方发布”“媒体报道”“产品上线”和“用户可用”四种状态。官方发布只能证明服务商公开表达过相关信息；产品上线也可能受到地区、账号、邀请资格或配额限制。只有企业能够在明确的账户体系下完成访问，获得接口说明、计费规则和服务约束，才具备进入试点评估的条件。
核验时，应记录完整模型名称、版本信息、服务入口、开放范围和发布日期，并保留公告、文档、控制台显示名称及实际调用结果。这样可以避免把产品名称、演示页面或模型别名误认为稳定的生产版本。
用企业任务验证能力
第二层证据是性能是否能够复现。公开评测只能说明模型在特定数据集、提示词和测试条件下的表现，不能直接代表企业业务效果。企业应建立自己的任务集，覆盖真实业务中的准确性、长文本处理、多轮一致性、异常输入、拒答边界和人工复核需求。
测试记录不能只保存最终分数，还应注明测试对象、输入样本、调用条件和评审标准。公开结果与企业私测必须分开管理：前者用于筛选候选模型，后者才用于决定是否进入采购和试点。
把商用条件纳入同一条链
第三层证据涉及服务、合规与经济性。企业需要书面确认接口稳定性、配额限制、版本变更、故障支持、数据保存、训练用途、处理区域、输出使用权及责任边界。同时，成本测算不能只看调用单价，还要纳入重试、人工复核、配套服务、集成开发和迁移成本。
最终的选型文件应明确记录：事实依据是什么，测试如何完成，哪些结论已经验证，哪些风险仍待确认，以及模型下线、价格变化或服务中断时如何退出。模型选型不是一次性的排名，而是一套持续更新的证据管理机制。只有当来源、验证、合同和替代方案彼此闭合，企业才真正具备可审计、可复用的决策依据。