用一条真实餐饮差评和六条硬约束实测 10 款国产大模型，七维打分排名，附可复现的评测流水线脚本与最低分模型的翻车原文。

13 款模型同题翻译消息队列开发文档，七维打分排名。GPT-6-Sol 均分 0.99 领跑，Claude-Sonnet-5 输出「在的」得 0.01。附可复现评测流水线脚本与逐维度分差分析。

用 OpenAI 兼容端点调用 deepseek-v3.2，从非流式和流式响应中读取 prompt_tokens、completion_tokens 与 total_tokens，并落盘按天统计 token 用量。