阿里云当前产品页面将千问 Qwen3.8 列为原生多模态模型系列，并展示视觉理解能力更新。采购团队评估这类能力时，可以用自己的目录、参数表和实物标签建立测试样本，检查识别结果是否足以支持后续工作。阿里云产品页面
采购资料常把型号、参数、脚注和图片放在同一页。模型能描述图片内容，并不等于已经正确理解规格之间的关系；测试应围绕采购人员真正要确认的字段展开。
测试资料的组成
选择文本清晰的 PDF、扫描件、手机拍摄标签和跨页表格，覆盖日常常见文件质量。每份资料保留原文件、页码和版本，不把人工清洗后的内容作为唯一测试输入。
| 样本类型 | 重点字段 | 常见错误 |
|---|---|---|
| 产品目录 | 型号及后缀 | 相似型号混淆 |
| 参数表 | 数值、单位、适用范围 | 表头和行列对应错误 |
| 铭牌照片 | 序列号、额定参数 | 反光或模糊字符猜测 |
| 报价附件 | 币种、数量、有效期 | 税价口径遗漏 |
| 替代说明 | 替代条件、限制 | 忽略脚注和例外 |
字段提取与原文定位
要求输出字段值、单位、来源页和对应原文位置。若无法可靠定位到图中坐标，至少保留可人工查找的页码与附近文字，不虚构一个精确位置。
对于读不清的字符，标明无法辨认并请求补图。数字“0”与字母“O”、小数点和负号的错误都可能影响采购结果，应作为单独错误类型统计，不能被整体摘要质量掩盖。
多份资料的比较
比较两份报价前，先核对是否属于同一规格、同一计价单位和同一交付条件。把每件价格与每箱价格直接排列，会形成误导性的低价结论。
型号不同但宣称可替代时，应列出需要技术确认的差异，包括尺寸、接口、额定条件和适用环境。Agent 可以整理证据，不能仅凭名称相似判断可直接替换。正式采购仍沿用技术确认和审批要求。
图文矛盾的处理
资料文字与图片标签不一致时，两者都保留并提示冲突。例如封面写旧型号，参数页已换成新型号，不能任意选择一处作为最终答案。需要联系资料负责人确认有效版本。
同一文件中出现多个产品时，确保每个参数对应正确对象。测试要覆盖跨页续表、合并单元格、带星号脚注和附件顺序变化，避免只用排版整齐的首页验证。
完整任务的验收
从接收原文件开始，记录提取、补图、技术确认和生成采购对照表的完整过程。评分包括关键字段准确性、遗漏项、人工修订量及最终耗时，不只统计模型第一次返回的速度。
费用也按完整任务计算，包含图像或文档处理、重复调用、检索及重试。模型版本变更后，对历史错例再次验证，保留可复现的样本与参数。若使用结果写入采购系统，应重新查询草稿，核对物料、数量和单位。
人工标注答案时，应让熟悉产品的人员核对参数关系，并记录存在争议的字段。测试集本身有错，会把正确回答误判为失败。不同文件质量分别统计，保留模糊图像的原样本，再比较补拍或增加页面后结果是否改善。
采购资料可接入企业知识库，写入流程可参考系统接口交付。不同模型的完整任务对照方法见CRM 专用模型评估。
