开源大战——GLM 是性价比之王
测试的模型——模型:GLM-5.3-Flash vs Kimi-K2.7-Code vs MiniMax-M3.1-Flash,全部通过 opencode-go 跑。使用场景:写代码——在 yolped 上做两个真实功能任务,yolped 是我用来部署 Docker/Compose 的 Rust CLI。
8 个结果 · “Design”
测试的模型——模型:GLM-5.3-Flash vs Kimi-K2.7-Code vs MiniMax-M3.1-Flash,全部通过 opencode-go 跑。使用场景:写代码——在 yolped 上做两个真实功能任务,yolped 是我用来部署 Docker/Compose 的 Rust CLI。
我在给一个 AI 驱动的金融研究系统做文档摄取流水线时,碰到了一个有意思的问题。一个 PDF 转换成功……
测试模型:DeepSeek V4.1 Flash 和 Qwen3.8-Flash,正面硬刚(都通过 omp / opencode-go 运行)。用场景:写代码——我 hackathon 项目里一个真实的功能……
专家混合(MoE)特别有意思,因为稀疏的专家激活能降低推理算力。但多模态和 MoE 并不是二选一的对立选项——一个描述的是模型能理解哪些类型的数据,另一个描述的是计算是怎么组织的。
前几天我在折腾 Meta Muse 的多模态能力时,撞见一个让我眼前一亮的点:视频生成。我之前……
在我的生产级金融研究助手里,Cohere Rerank 3.5 是我更偏爱的相关性层,胜过 BGE 那套 reranking 方案——这是真实使用中的定性结论,不是 benchmark 声明。
我用印地语提示词实测了 4 个 AI 视频生成器:Wan 3.0 vs Grok Imagine 1.5 vs Veo 3.1 vs Gemini Omni Flash。测试时间:2026 年 10 月;使用场景:印地语……
测试模型 - 模型:OpenAI GPT-6 Sol vs Anthropic Claude Opus - 场景:写代码、后端开发、调试,还有 AI agent 工作流 - 主要评测标准:结果质量相对于 token 消耗和成本……