测评声明（B 级实测 · 复测）：2026 年 10 月 18 日下午，百度文心网页版（入口 yiyan.baidu.com，本轮实测时已跳转至 wenxin.baidu.com「百度文心助手」新界面；浏览器既有登录，免费档，页面默认模型），用与 9 月 15 日首测完全相同的 8 道冻结真题逐题复测：题干不改字、判定不松动、每题强制新开对话、全程截图与文本双留证，证据存于 docs/reviews/wenxin/。距首测 33 天，同一套题、同一把尺子。
评分卡（100 分制 · B 级实测复测口径）
| 维度 | 得分 | 判定依据（实测） |
|---|---|---|
| 任务完成度（20） | 18.8 | 8 题完成率 93.75%：T1 因多余文字计部分通过，其余 7 题完整通过 |
| 输出质量（15） | 12.5 | 质量题锚点 T2 8.0 / T5 8.0 / T6 9.0，均分 8.33 |
| 准确与幻觉（10） | 10.0 | 四道准确题合计 0 错，与首测持平 |
| 性能与稳定（8） | 7.0 | 单题耗时中位约 45 秒，明显快于首测的约 2 分钟；8 题零失败零限流 |
| 易用性（7） | 6.3 | 沿用首测十项清单结果（命中 9 项），新界面未逐项重查 |
| 价格与权益（6） | 5.0 | 免费档 8 题无额度墙；界面仍见会员引导；付费档位未核验 |
| 合规与数据安全（4） | 3.5 | 隐私政策与备案资质可查；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 8.625 |
| 总分 | 89.0 | A 级 · 值得使用（2026-10-18 复测，90 天后需再复测） |
测试说明：题组与判定同 DeepSeek、豆包、元宝完全一致（格式表格、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、错误前提陷阱），主观题按锚点量表两遍独立评分取低值。入口的变化值得先交代：首测时还在 yiyan.baidu.com，本轮访问直接被引到 wenxin.baidu.com 的「百度文心助手」界面——名字和门脸都换了，免费档 8 题全程没有额度墙。
最直观的变化是速度。首测八道题中位耗时约 2 分钟，在同期横评里垫底；这次中位缩到 45 秒上下，T2 百字写作十几秒就出了结果。新界面看起来不只是换了层皮，响应管线像是整个理过——对每天要跟它来几十个回合的办公用户，这个提速比分数涨多少都实在。
准确性这轮依旧干净：四道准确题零事实错误。T4 联网核查还是熟悉的「档案库」风格——先给结论「官方尚未发布 2026 年 6 月数据」，再把第 57 次报告的 11.25 亿、80.1% 普及率和六期历史序列码得整整齐齐，甚至搬出政府采购网里第 58 次调查的招标与合同时间线来解释「为什么还没出」，最后专门提醒别信那些把旧数据安到新时点上的 SEO 页面。我们逐项核验，能查证的数字全部无误。做行政的老李上个月给领导整理行业数据，被两份互相矛盾的「网民规模」搞到头大，最后就是靠「报报告编号 + 发布日期」这种答法判断哪边能信——能把数据出处交代清楚的回答，才敢往 PPT 里放。
小毛病也原样复现了。T1 表格题，它在表格上方又多写了一行「表格」两个字——首测就栽在这一行字上，33 天后一字不差地再犯，按「不要输出表格以外的任何文字」计 0.5；T2 和 T5 的末尾也都追加了「要不要我再写几个版本」式的主动追问，写作题那句规规矩矩的反问收尾，就这么被挤出了末句的位置。都不致命，但要直接交付，得自己动手删。
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 | 6 行 4 列全对、湖名省份无误，但表格上方多一行「表格」标签字 | 0.5（T1_retest，首测同分同因） |
| T4 联网核查 | 结论「官方未发布」+ 第 57 次 11.25 亿/80.1% + 历史序列 + 采购时间线 + 警示 SEO 错数 | 0 错（T4_retest） |
| T7 悖论推理 | 先声明判定规则再逐假设排除，乙说真话，无跳步 | 0 错（T7_retest） |
| T8 陷阱题 | 首句纠正朱自清，9 处引文（含鲁迅嘱周海婴语）逐条核验全部真实 | 0 错（T8_retest） |
分场景结论：查证类任务、要求数据有出处的正式材料，文心可以放心用——两轮实测八题零事实错误，联网核查的诚实与厚实是同题组标杆，加上这轮提速，日常问答的体验已经不掉队。但格式敏感的批量任务要多留个心眼：格式题多余字、写作题追加追问这两个毛病两轮都在，严格一次成稿的场景还得人工过一遍再交。局限性：1 天 8 题单轮实测，样本有限仅供参考；登录免费档、页面默认模型；易用性清单沿用首测结果、未随新界面重查；T4 中第 58 次调查采购时间线等个别细节无法独立核验，按规则标注不计错。利益披露：无联盟链接、无商业合作；百度与本站无任何商业关系，不影响本次评分。