Gemma3

在一项覆盖8个本地模型、超过5000次调用的测试中，提示词的措辞风格（朴素/正常/华丽）对非数学任务的正确率几乎没有影响，8B及以上模型的差异不超过4个百分点。

测试覆盖8个本地模型：Qwen3的0.6B、1.7B、4B、8B、14B，以及Gemma3的1B、4B、12B，全部通过Ollama部署且关闭思考模式。

在4B及以下的模型上，正常风格的提示词得分最高，朴素和华丽两种风格都掉了约8分，但所有置信区间跨越零，差异无法被严格证明为显著。