Acard 比直接问 AI 好多少？
Request edit accessWhen the owner approves, you get an invite link and code by email.
2026-10-24 · 润色、校对与图表质量实测
校对之后，Acard 残留 30% 的错误，对同一个 AI 一句话请求则残留 81% MEASURED。从表格一次画出图表：13/15 对 6/15 MEASURED。润色后残留错误两者相近（7.9% 对 5.8%，差异不明确）MEASURED。
原始问题：与其自托管 OpenNotion 自己改造，Acard 云端的润色、校对、图表等基础 AI 功能实际好多少？
MEASURED = 本文实测值。每个比例都附有样本数 n 与 95% 置信区间。
校对后残留的错误 MEASURED
30% vs 81%
Acard 73/240 · 直接请求 194/240 · 95% 25-37% vs 75-85%
校对时新冒出的数字 MEASURED
0 vs 3.2
每篇平均，n=40
一次画出的图表 MEASURED
13/15 vs 6/15
95% 62-96% vs 20-64%
开箱可用的 AI 功能 MEASURED
3/3 vs 0/3
Acard vs 自托管 OpenNotion 基础版
比较了什么
- 自托管 OpenNotion 基础版 vs Acard 云端：先看功能是否存在。我们在本机运行 OpenNotion 并发送同样的润色、校对、图表请求，三者都只返回 "available on Acard Cloud"（HTTP 501），编辑器里也没有这些按钮。OpenNotion 是可以自由改造的开源软件，AI 功能需要自己接入。
- 同一个 AI 的两种用法：自己给 OpenNotion 接 AI 的人，最可能先用一句话请求，例如“帮我润色这段文字”。因此我们把同样的文字用一句话发给 AI（下称“直接请求”），与 Acard 的实际结果比较。润色和校对用的是 Acard 所用的同一个 AI；图表用的是另一个通用 AI（测量后才发现，测量前固定的配置与 Acard 图表功能背后的 AI 不同）。
如何测量
- 测试集：专为本测试撰写的韩语草稿 40 篇（工作报告 10、学生作业 8、论文摘要 8、博客 8、随笔 6），人名公司名均为虚构，不含用户数据。每篇按固定清单植入 4-8 个拼写与空格错误（共 240 个）。图表使用虚构数字的表格 15 个。
- 测量前已提交测试集、指标与评分方法，看到结果后未修改 Acard 设置或测试集。先用 10 篇做试点。
- Acard 调用来自专为本测试创建的临时账号（共 95 次），不占用真实用户额度。
- 评分为机器计数：植入错误是否仍在、数字与名称是否保留、是否出现原文没有的数字；图表则把输出中的图表定义与表格逐格比对。
- 辅助指标：两个来自其他公司的 AI 评审，在 A/B 顺序打乱的情况下比较原文与两个结果，选出更好的修改。
- 区间：比例用 Wilson 95% 区间，差异用按篇重抽 10,000 次的 bootstrap 95% 区间。
结果
| 指标 | Acard | 直接请求 | 差异（95% 区间） |
|---|---|---|---|
| 校对后残留的错误 | 30% (73/240) | 81% (194/240) | -60~-40%p MEASURED |
| 校对结果可直接粘贴 | 40/40 | 8/40 | +68~+92%p MEASURED |
| 校对时新冒出的数字（每篇） | 0.0 | 3.2 | -3.2 (-4.0~-2.5) MEASURED |
| 校对时改动原文的程度 | 1.2% | 34.9% | -40~-28%p MEASURED |
| 校对后数字与名称保留 | 100.0% | 97.6% | +0~+7%p MEASURED |
| 润色后残留的错误 | 7.9% (19/240) | 5.8% (14/240) | -2~+7%p MEASURED |
| 润色后数字与名称保留 | 99.6% | 96.0% | +2~+6%p MEASURED |
| 润色时新冒出的数字（每篇） | 0.0 | 1.35 | -1.35 (-2.02~-0.72) MEASURED |
| 润色结果可直接粘贴 | 40/40 | 25/40 | +22~+52%p MEASURED |
| 从表格一次画出的图表 | 13/15 | 6/15 | +20~+73%p MEASURED |
| 表格单元格画在正确位置 | 65% | 35% | +4~+59%p MEASURED |
| 中位响应时间（润色、校对） | 3.7 s | 12.8 s | MEASURED |
| 中位响应时间（图表） | 0.9 s | 6.6 s | MEASURED |
| AI 评审 1 选择 Acard 润色 | 36/40 | 4/40 | 95% 77-96% MEASURED |
| AI 评审 2 选择 Acard 润色 | 38/40 | 2/40 | 95% 83-99% MEASURED |
差在哪里
- 直接请求的校对常在末尾附上“修改清单”（40 篇中 32 篇不能直接粘贴），清单里混入原文没有的数字，改写幅度也大。Acard 只返回修改后的正文，几乎不动其余部分。
- 直接请求的图表常是文字画的条形（█）、说明文字或绘图代码，在编辑器里无法直接成图。Acard 在 15 个表格中有 13 个直接返回可渲染的图表；其余 2 个把行列画反，多序列表格有时只画了一个序列，因此单元格匹配率为 65%。
- 两个 AI 评审在 40 篇中有 38 篇选择一致。
Acard 没有领先的地方
- 润色后残留错误：Acard 7.9%，直接请求 5.8%，Acard 略多。差异区间（-2~+7%p）包含 0，无法判断谁更好。此指标未放在首页。
- 图表单元格匹配率（65%）虽领先，但只有 15 个表格，区间较宽（+4~+59%p）。
局限
- 测试文字为本测试撰写，可能与真实写作不同。错误只来自固定清单，未测量修正其他错误的能力。
- 直接请求只比较了一句话的写法。精心调整提示词的人可以得到更好的结果，而 Acard 正是预先做好了这些调整。
- 响应时间在一台机器上测得，受网络影响。
- AI 评审只是辅助信号，结论依据机器计数。
测量脚本与原始 JSON 位于 Acard 仓库 research/quality-proof/，可用同一脚本重测。本文无意贬低自托管 OpenNotion：想自由改造用 OpenNotion，想马上得到好结果用 Acard。