性能分数是技术研究的起点，却不能完整回答商业问题。本札记使用MLCommons的公开MLPerf资料，区分系统测量结果与投资解读，不报告EXAM自身测试、持仓或合作关系。
来源事实：MLPerf测量什么
MLPerf Inference: Datacenter在规定测试下测量系统运行已训练模型的速度。MLCommons区分Closed／Open组及Available／Preview／RDI可用性类别，比较前须确认这些差异。
2026年4月1日的v6.0公告新增或更新了测试，包括文本生成视频。这说明引用分数时也要标明测试版本。本文讨论该公告，不将v6.0称为最新版。
本站分析：分数无法单独回答的三点
第一，测试任务是否匹配客户需求？实验室任务可能不同于输入多变、长上下文且需人工复核的多语言服务。应确认贴近实际用途的测试，并事先设定成功标准。
第二，每个有效结果的成本是多少？除硬件速度，还应计入闲置、失败请求、复核、存储及运营。第三，谁按什么合同持续付款？性能数据不能单独证明需求、利润率、法律权利或合理估值。
比较前应记录什么
一起记录来源网址、版本、模型、硬件、场景、指标、质量目标与可用性类别，并列出未测量的内容。区分实测事实和客户、成本假设；即使技术分数很高，缺失的商业条件仍属未确认。
参考资料
参考资料仅用于一般性说明，不代表来源机构对EXAM的注册、认证或推荐。
仅供一般信息参考，并非投资建议、要约或推荐。参与须符合资格、文件和适用许可要求。本金与收益不受保证，可能损失部分或全部本金。