人力資源背調工作的重要作用為核查候選人履歷真實性，識別職業道德、法律糾紛等潛在風險，驗證崗位勝任力，排查競業限制與離職隱患。通過降低雇傭欺詐、泄密等成本，提升招聘決策客觀性，保障企業合規性與團隊穩定性，主要應用于中高管、核心崗位及金融、醫療等高監管行業。
本文選用豆包-Doubao 1.5 pro 32k、DeepSeek-DeepSeek V3、Kimi-moonshot v1 8k三個大模型進行試用，并呈現出全方位的數據對比,我們一起來探討下誰才是最佳背調話術生成助手？
你扮演一個HR背調專家，電話/郵件對象：候選人前公司直屬上級，請使用STAR法則設計背調追問話術鏈，返回信息要求如下：
1、基本要求：基本信息、工作履歷核查壓力滲透話術，不超過5個問題
2、額外要求：爭議點交叉驗證話術
3、返回信息除以上字段外，不需要多余的解釋內容
你扮演一個HR背調專家，電話/郵件對象：候選人前公司直屬上級，請使用STAR法則設計背調追問話術鏈，返回信息要求如下：
1、基本要求：基本信息、工作履歷核查壓力滲透話術，不超過5個問題
2、返回信息除以上字段外，不需要多余的解釋內容
| 模型 | 輸出效果 | 性能指標 |
| 豆包 |  | ● 響應時長(s)：11.78 ● tokens：615 ● 生成速率(tokens/s)：52.21 ● 首token延遲(s)：0.522s |
| DeepSeek |  | ● 響應時長(s)：11.161 ● tokens：272 ● 生成速率(tokens/s)：24.37 ● 首token延遲(s)：4.463 |
| Kimi |  | ● 響應時長(s)：5.593 ● tokens：528 ● 生成速率(tokens/s)：94.4 ● 首token延遲(s)：0.7 |
你扮演一個HR背調專家，電話/郵件對象：候選人前公司直屬上級，請使用STAR法則設計背調追問話術鏈，返回信息要求如下：
1、列舉矛盾點以及交叉驗證話術，不超過5個問答
2、返回信息除以上字段外，不需要多余的解釋內容
| 模型 | 輸出效果 | 性能指標 |
| 豆包 |  | ● 響應時長(s)：17.248 ● tokens：701 ● 生成速率(tokens/s)：40.64 ● 首token延遲(s)：0.668 |
| DeepSeek |  | ● 響應時長(s)：14.026 ● tokens：391 ● 生成速率(tokens/s)：27.88 ● 首token延遲(s)：4.211 |
| Kimi |  | ● 響應時長(s)：4.625 ● tokens：491 ● 生成速率(tokens/s)：106.16 ● 首token延遲(s)：0.714 |
綜合來看，豆包兼具實用性以及口語化，可操作性最強；DeepSeek除信息準確性一般，專業深度以及性能最佳；如果追求速度和基礎模板化內容，Kimi更合適。
想試用更多大模型？立即前往試用→
