VS Code团队通过简单的“say_hello”任务评估模型表现，发现不同模型在处理请求时效率差异。尽管所有模型都能完成任务，但有些模型执行复杂，导致额外时间和成本。有效模型能直接完成任务，团队建议使用稳定的小任务进行评估，以捕捉模型行为变化。