qwen3.8-flash 在「结构化输出」的评测结果
这是该 AI 模型在此测试用例上的详细评测结果。
基本信息
- 模型名称：qwen3.8-flash
- 用例名称：结构化输出
- 测试类型：文本生成
- 评测维度：指令遵循
系统提示词（System Prompt）
这是给 AI 模型的背景设定和角色指令：
你是一名结构化数据转换专家，擅长将信息以规范的结构化格式输出。 回答要求： 1. 严格按照题目指定的字段名（Key）输出，不得擅自添加、删除或重命名字段。 2. 输出内容必须是合法的 JSON 格式，可被标准 JSON 解析器正确解析。 3. 除 JSON 代码块本身外，禁止在代码块外输出任何解释性文字或额外内容。 4. 字段值应真实、合理，符合对应字段的语义含义。
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
请以 JSON 格式输出你的自我介绍。 要求： - 输出结果必须是一个合法的 JSON 对象。 - 必须且只能包含以下两个字段： - `name`：你的名称 - `role`：你的角色或职能描述 - 不得添加任何额外字段。 - 请将 JSON 放在代码块中输出，不要附加任何说明文字。
任务要求
AI 模型需要满足以下要求：
- 输出内容是合法的 JSON 对象，能被标准 JSON 解析器（如 JSON.parse）无错误解析。
- 必须包含 `name` 字段，且字段名拼写完全正确，值为非空字符串。
- 必须包含 `role` 字段，且字段名拼写完全正确，值为非空字符串。
- 输出中不得出现 `name` 和 `role` 之外的任何额外字段（无幻觉字段）。
- 除 JSON 代码块外，不得输出任何解释性文字、前缀语句或后缀说明。
评测结果
综合得分
该模型在此用例的得分为：100.0 分（满分 100 分），已通过
基础难度评测结果
- 得分：100.0 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```json { "name": "通义千问", "role": "AI 助手，提供结构化信息转换与问答支持" } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】候选输出在三个评分维度上均表现完美：JSON 语法合法、字段完整且无冗余、输出干净无附加文字。严格遵循了系统提示和用户指令的所有约束条件，是一份高质量的结构化输出示例。 【GEMINI】候选模型的生成结果表现完美。它不仅完全满足了结构化输出的格式要求，准确包含了所有指定字段且无冗余，还严格遵守了不输出任何额外说明文字的负向约束。
进阶难度评测结果
- 得分：99.6 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```json { "name": "张三", "position": "软件工程师", "city": "北京", "monthly_salary": 25000, "skills": [ "Python", "Java", "机器学习" ], "email": "zhangsan@email.com", "phone": "13800138000" } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】该模型的输出质量极高，在三个评分维度上均表现优秀。JSON 格式合法、Schema 字段完全匹配、数据类型映射正确，原文信息被完整无误地提取，输出干净简洁，无任何冗余内容。是一次近乎完美的结构化数据转换输出。 【GEMINI】该候选输出表现完美。模型精准地完成了非结构化文本到规范 JSON 格式的转换，字段命名合理，数据类型处理得当，信息提取完整无误，且严格遵守了输出格式的限制，没有任何多余内容。 【KIMI】输出为合法JSON格式，严格遵循Schema结构，字段名与要求完全一致（name, position, city, monthly_salary, skills, email, phone）。数据类型正确：monthly_salary为数字类型，skills为数组类型，其余为字符串类型。JSON语法严格合法，引号、逗号、括号使用正确。
困难难度评测结果
- 得分：98.4 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```graphql enum Role { ADMIN USER } enum ArticleStatus { DRAFT PUBLISHED } type User { id: ID! name: String! email: String! role: Role! createdAt: String! articles: [Article!]! } type Article { id: ID! title: String! content: String! author: User! tags: [String!]! status: ArticleStatus! } ``` ```graphql type Query { user(id: ID!): User users: [User!]! article(id: ID!): Article articles(status: ArticleStatus): [Article!]! } ``` ```graphql type Mutation { createUser(name: String!, email: String!, role: Role!): User! updateUser( id: ID! name: String email: String role: Role createdAt: String ): User! deleteUser(id: ID!): Boolean! createArticle( title: String! content: String! authorId: ID! tags: [String!]! status: ArticleStatus! ): Article! updateArticle( id: ID! title: String content: String authorId: ID tags: [String!] status: ArticleStatus ): Article! deleteArticle(id: ID!): Boolean! } ``` ```graphql query GetUserWithArticles($userId: ID!) { user(id: $userId) { id name email role createdAt articles { id title status tags } } } mutation CreateNewArticle( $title: String! $content: String! $authorId: ID! $tags: [String!]! $status: ArticleStatus! ) { createArticle( title: $title content: $content authorId: $authorId tags: $tags status: $status ) { id title content author { id name } tags status } } query PublishedArticles($status: ArticleStatus = PUBLISHED) { articles(status: $status) { id title author { name } } } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】该候选输出质量极高，完整、准确地实现了所有业务需求。四个部分结构清晰，SDL 语法严谨，类型系统设计合理，示例查询语法正确且具有良好可读性。代码块外无任何多余文字，严格遵守了系统提示的输出约束。整体达到生产可用标准，是一份近乎完美的 GraphQL Schema 设计输出。 【GEMINI】候选输出表现完美。不仅在技术细节上（GraphQL 语法、类型自洽、变量传参）做到了零失误，还完美执行了系统提示词中极其严格的格式负向约束（代码块外无任何解释性文字）。这是一份极具专业水准的优秀回答。 【KIMI】该候选输出是一份高质量的 GraphQL Schema 设计，严格遵循了所有输出要求和业务需求。四个部分结构清晰、顺序正确，代码块外无多余解释文字。SDL 语法严谨，可被标准解析器直接解析；信息覆盖完整，无遗漏；类型引用、关联关系、枚举使用及参数设计均逻辑自洽。第三个示例查询巧妙地使用变量默认值实现按状态过滤，既满足功能需求又展示了 GraphQL 的高级特性。整体表现优秀，可直接投入使用。
相关链接
您可以通过以下链接查看更多相关内容：
