国产模型调用量反超那周，我想起了当时选 GPT-4o mini 的理由

这个月看到一组数据，OpenRouter 和斯坦福 HAI 联合发的：中国模型的周调用量首次超过美国。

我不意外。便宜、中文好、接口稳，这一年早有感觉。

去年选 GPT-4o mini，是因为英文

去年在上一家公司，给 Smart Photo 接文案模块，选的是 GPT-4o mini。主要理由只有一条：英文 Listing 的质量。

文案模块写的是多语言 Listing，量最大的是亚马逊英文。英文 Listing 要读起来像本地卖家写的，不能像翻译过去的。这一条在跨境电商里很实际，买家看得出来。

当时正式比过国产模型，比的是 DeepSeek，拿了十来条文案。中文没问题，英文写出来偏直译：句子是对的，但语序和用词，像是在中文里想好了再换成英文。GPT-4o mini 那边自然一些。就这一条，定了。

十来条不多。现在回头看，它够看出一件事，不够看出另一件。

够看出的是风格。直译的毛病，不需要很多条，读几条就能感觉到，每一条都带着同样的痕迹：先按中文的顺序想好，再一个词一个词换成英文。十来条里，这个痕迹是一致的。

不够看出的是稳定。一个模型在十来条里表现一致，不代表在几千条里也一致。去年那次，我们其实只回答了它写得像不像，没回答它每次都写得一样不一样。

那时候风格差得明显，前一个问题就够做决定了。今年如果再比，差距小了，后一个问题就躲不开。

调用量反超说明的，主要是觉得便宜、好用、够用的人多了。这和英文 Listing 像不像本地卖家，是两个问题。调用量里有大量中文场景，有大量代码和对话，这些国产模型确实强。

而且调用量是一个总数。总数反超，不代表每一类任务都反超。写英文 Listing，是一类很窄的任务，窄到在总数里几乎看不见。

所以我不会因为这组数据，就觉得当时选错了。但它是一个信号：一年过去，差距可能已经不是去年那样了，值得认真再比一次。

假如重新做那次选择，我最担心的不是英文，是多语言。

当时的文案模块除了亚马逊英文，还覆盖 Shopee、TikTok Shop 的几种语言。英文是量最大的，也是最好比的，拿一批出来，好坏一眼就能看出来。其他几种语言不一样，写得好不好，不容易找人判断，往往要靠平台和运营的反馈，一轮下来要很久。

换一个模型，英文也许比完就能定；其他语言的质量稳不稳，要跑一段时间才知道。这段时间里出的文案，都在平台上挂着。文案挂上去以后，买家不会告诉你这段话读着别扭，只会少下单。

几种语言里，我最没把握的是 Shopee 上的东南亚语言。

那时英文好坏，团队里有人能读，读几条就有个大概。东南亚那几种语言，写得地道不地道，判断只能靠别人：靠平台的反馈，靠当地的运营，或者靠买家的反应。每一种都来得慢，而且不一定准。

所以换模型这件事，在英文上是一次比较，在东南亚语言上更像一次赌。赌输了，不会马上知道，会在一段时间里悄悄地让商品页变差。

我自己平时，也偶尔用国产模型。

这组数据里的反超，大概不是我这样的人贡献的，更多来自在意价格的、做中文场景的、自己部署的人。

一个人平时用什么，和一个模块该用什么，是两件事。前一件看习惯，后一件看质量。我个人偶尔用，不影响认真比；认真比完换了，也不影响我个人照旧。调用量说的是一大群人的选择，换不换，要看的是这一个模块的质量。

所以这组数据对我来说，不是换的理由，是比的理由。

真比的话，我大概会分开来：英文拿同一批商品，两边各跑一轮，这次条数要比去年多，多到能看出稳不稳，不只是看直译的问题还在不在；其他语言不急，先挑一个量小的平台试，跑够时间再说。

去年那次比较，理由是对的。假如今年再比一次，理由可能还对，也可能不对了。