模型团队说新版在基准测试上提升了五分，但用户真正关心的业务任务没有对应分数。你会如何决定是否排进产品路线图？
考察说明
考查模型能力变化到产品价值的映射。
回答思路
- 先确认基准测试测量的能力是否出现在目标用户任务中，不能把抽象能力提升直接等同于产品价值提升。
- 从真实任务抽样比较新旧模型在完成率、错误严重度、用户修改和端到端延迟上的差异。
- 识别新版可能解锁的新场景，也检查拒答、风格、工具调用和长上下文等现有能力是否出现回退。
- 把迁移开发、提示适配、评测、安全和新增推理成本纳入收益计算，避免把模型升级当作没有成本的常规更新。
- 如果只在少量高价值任务有效，可以进行场景化路由而非全量替换；价值不明确时先做影子验证。
- 路线图结论要围绕用户问题、预期增量和验证门槛表达，而不是将供应商发布节奏直接变成产品优先级。