效能分數是技術研究的起點，卻不能完整回答商業問題。本札記使用MLCommons的公開MLPerf資料，區分系統測量結果與投資解讀，不報告EXAM自身測試、持倉或合作關係。
來源事實：MLPerf測量什麼
MLPerf Inference: Datacenter在規定測試下測量系統執行已訓練模型的速度。MLCommons區分Closed／Open組及Available／Preview／RDI可用性類別，比較前須確認這些差異。
2026年4月1日的v6.0公告新增或更新了測試，包括文字生成影片。這說明引用分數時也要標明測試版本。本文討論該公告，不將v6.0稱為最新版。
本站分析：分數無法單獨回答的三點
第一，測試任務是否符合客戶需求？實驗室任務可能不同於輸入多變、長上下文且需人工複核的多語言服務。應確認貼近實際用途的測試，並事先設定成功標準。
第二，每個有效結果的成本是多少？除硬體速度，還應計入閒置、失敗請求、複核、儲存及營運。第三，誰按什麼合約持續付款？效能數據不能單獨證明需求、利潤率、法律權利或合理估值。
比較前應記錄什麼
一起記錄來源網址、版本、模型、硬體、情境、指標、品質目標與可用性類別，並列出未測量的內容。區分實測事實和客戶、成本假設；即使技術分數很高，缺少的商業條件仍屬未確認。
參考資料
參考資料僅用於一般性說明，不代表來源機構對EXAM的註冊、認證或推薦。
僅供一般資訊參考，並非投資建議、要約或推薦。參與須符合資格、文件和適用許可要求。本金與收益不受保證，可能損失部分或全部本金。