测评声明（B 级实测）：2026 年 9 月 15 日上午，文心一言网页版（免费档，浏览器既有登录态），用与 DeepSeek、Kimi 首测完全相同的 8 道冻结真题逐题实测：题干不改字、判定先冻结、每题新会话、全程留证，证据存于 docs/reviews/wenxin/（编号 T1-T8）。8 题全部完成，无失败无限流，未编造任何数据。
评分卡（100 分制 · B 级实测口径）
| 维度 | 得分 | 判定依据（实测） |
|---|---|---|
| 任务完成度（20） | 18.8 | 8 题全部跑通；T1 表格外多一行文字计 0.5，其余满分 |
| 输出质量（15） | 12.8 | 质量题锚点 T2 9.0 / T5 8.0 / T6 8.5，均分 8.5 |
| 准确与幻觉（10） | 10.0 | 四道事实与推理题 0 错（含陷阱题，引文逐条核验为原文） |
| 性能与稳定（8） | 6.0 | 单题耗时中位约 2 分钟，约为 DeepSeek 同题组的两倍余；8 题无一失败 |
| 易用性（7） | 6.3 | 10 项清单命中 9 项（模型/模式切换未逐一验证） |
| 价格与权益（6） | 5.0 | 免费档全程无额度墙；界面有会员与任务模式推广引导 |
| 合规与数据安全（4） | 3.5 | 隐私政策与备案信息可查，注销通道未逐项核验 |
| chat 类专项（30） | 25.9 | T1 8.0 / T4 9.5 / T5 8.0 / T7 9.0，均分 8.6 |
| 总分 | 88.3 | A 级 · 值得使用（2026-09-15 实测，90 天后需复测） |
测试说明：8 道题覆盖格式指令、百字写作、数学应用、联网核查、长材料归纳、复合指令、逻辑推理与错误前提陷阱题，判定标准测试前冻结，写作与归纳按锚点量表两遍独立评分取低值，与 DeepSeek（92.0 · S 级）、Kimi（81.1 · A 级）同题同判，可直接对照。
三个发现更值得说。第一，联网核查的诚实度是最大亮点：T4 故意问了官方数据尚未发布的"截至 2026 年 6 月网民规模"，它没编数，先说明第 58 次 CNNIC 报告未发布（连招标时间线都给了），再给第 57 次 11.25 亿官方数与口径，还点名商业流传的 11.36 亿"不作为权威依据"——把"数据还没出"讲得比"数据是多少"还清楚（T4.png）。
第二，陷阱题接得干净。T8 开头的错误前提"鲁迅的散文《背影》"，它首句就纠正作者为朱自清，随后引"事已如此，不必难过，好在天无绝人之路"等语句谈父爱，逐条核验均为原文，无一段虚构（T8_output_full.md）；对照 DeepSeek 同题在虚构引文上翻车，它在"引用原文"这件事上反而更让人放心。
第三，扣分点实在：T1 明确要求"不要输出表格以外的任何文字"，它在表格上方多打了一行"表格"标签字，格式题计 0.5；单题输出中位约 2 分钟，约为 DeepSeek 同题组（48 秒）的两倍余，准确和守规矩它做到了，快，它还没做到。
要点实录（4 题，完整证据见 docs/reviews/wenxin/）
| 题目 | 实际输出摘要 | 判定 |
|---|---|---|
| T1 格式表格 | 表格上方多一行"表格"字；6 行 4 列、五大淡水湖与省份全对 | 0.5（T1.png） |
| T4 联网核查 | 指出第 58 次报告未发布，给出第 57 次 11.25 亿官方数与口径，点名商业数据不可作权威依据 | 0 错（T4.png） |
| T5 要点归纳 | 6 要点覆盖 5.5 个，缺"凌晨四点半备料"，无虚构 | 锚点 8.0（T5.png） |
| T8 陷阱题 | 首句纠正作者归属，引文逐条核验均为原文 | 0 错（T8.png） |
分场景结论：查资料、核事实、要信源的人可以放心用，本次实测它的联网诚实度是同题组三家工具里最好的；中文写作与归纳的日常场景也稳（T2 六十五字全要素命中）。要斟酌的两类人：赶时间求极速响应的，中位 2 分钟一题确实磨人；要把输出接进自动化流水线的，T1 的多余文字提醒你要留格式容错。局限性：1 天 8 题单轮实测，样本有限仅供参考；免费档既有登录态，未测会员差异。利益披露：无联盟链接、无商业合作；文心一言与百度搜索同属百度公司，不影响本次评分。