评测
-
一分钟的奇迹与幻觉：实测世界模型Happy Oyster
“具备初步的世界状态跟踪能力，但不适合强约束、高可预测性的系统任务。” 作者丨冯逸飞 编辑丨冯逸飞 梁丙鉴 4 月 16 日，阿里发布了主打实时构建和交互的开放式世界模型产品 Ha…
-
连夜测了一波DeepSeek-V4，我发现它可能只剩“审美”这个短板了
DeepSeek-V4六维实测 大模型的圈子最近真的是大戏连连，Claude和OpenAI你方唱罢我登场，两位CEO更是化身戏精，在社交媒体上大打舆论战。 不过，今天所有的风头都被…
-
DeepSeek-V4和GPT-5.5第一波实测对决，结果出人意料
编辑：Aeneas KingHZ 昨夜，GPT-5.5果然按期发布了，全网没有白等。更炸裂的是，就在同一天，DeepSeek-V4紧随其后发布了！实测后，结果出人意料。 2026年…
-
是夯爆了还是拉完了？Deepseek V4第一波测评来了（附排行榜）
DeepSeek V4 预览版开源上线后，第一波来自第三方榜单的测评结果已经出炉。 多家测评显示，DeepSeek V4性能尤其在代码任务上冲进开源第一梯队，同时以“百万级上下文+…
-
实测在DeepSeek-V4上烧1000万token，我发现了3个惊喜和1个意外
今天，DeepSeek-V4开源并火速冲上Hugging Face模型榜首，号称推理和智能体编程性能冲到开源模型第一、比肩先进闭源模型。为了验证两款模型的真实效果，我们进行了多维度…
-
实测DeepSeekV4：天下武功，唯快不破
V4不是模型新物种，但要撑起200亿美金估值的雄心 “跳票”许久的DeepSeek-V4，终于来了。 几个小时前，DeepSeek-V4预览版上线并开源。巧的是，几乎同一天，Ope…
-
DeepSeek V4 编程测评
短的结论：漫长等待的超值回报 基本情况： DeepSeek 确实是最早备战编程的厂家之一了，早在V2 时代就发过单独的V2 Coder 模型，直到V2.5 才合入主线。此后Deep…
-
实测Qwen3.6-27B：4分钟做了个跑酷游戏，验证码识别正确率超90%
Qwen3.6系列全员集结完毕。 智东西4月23日报道，昨晚，阿里通义千问团队宣布开源Qwen3.6-27B——一款270亿参数的稠密多模态模型，支持思考与非思考模式。 与阿里上一…
-
实测ChatGPT最新生图模型三大发现
AI第一次从包工头，变成了建筑设计师。 以前我们混互联网论坛时，常说「无图无真相」，意思是你说的话我不信，有本事就把图或照片发上来。 之所以会这样，原因很简单，当时Photosho…
-
实测GPT5.5 : 最强模型不是嘴炮，它真能干活儿
GPT-5.5，终于发布。 作为OpenAI当下最强的模型，这次更新的亮点是“为真实工作而设计”。 和过去的模型相比，GPT-5.5能更快理解使用者真正想做的事情，也能自己承担更多…
-
GLM-5.1、Qwen 3.6 Max preview 与 Kimi 2.6 国产大模型横向对决
2026 年上半年，国产大模型赛道正式告别了纯粹的参数竞赛，进入了工程落地与商业性价比的贴身肉搏阶段。 智谱 AI、通义千问与月之暗面推出的三款最新旗舰，分别在自主编程、通用智能以…
-
实测混元Hy3 preview：混元再出发，中型模型的务实之战
编者按：本文为 Hy3 preview 评测，评测环境为 WorkBuddy，评测内容基于真实任务执行结果。本次共测试三个场景：事实审计员、文档可视化、深度研究。 Hy3 prev…
