Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

GLM 5.2 实测，对比 GPT 5.5、Opus 4.8 这期我用多个复杂前端任务实测它的表现：国风 3D 书画应用、纤夫拉船、桌面行星仪、耳机网站、动态海报、交通仿真和苏州博物馆 3D 场景结论是： GLM 5.2 审美和传统文化理解很强，思考深度也不错，但速度太慢、API 稳定性是短板完整视频：🧵

nicekate

12,248 subscribers

13,577 görüntüleme • 2 ay önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

最近深度使用了一下 Kimi 3，所以对这个模型的真实编程能力有一定的发言权，正好有做一个录屏软件的需求，之前也说过市面上现在有很多，但是我想按照我的需求深度自定义一个，用来测试一下 Kimi3 的实力，因为这个 case 还是比较复杂的，React UI界面，Rust 核心以及Swift bridge，录制可靠性以及复杂的编辑和交互等等。在使用过程中还是挺惊艳的的，从出 plans，到执行，再到自动化验收，启动数个 sub agents，完成平行任务，几个大任务多 agent 并行连续执行了 5 - 6 个小时，1M 的上下文非常够用，300多个自动化测试，整个过程我就是在交互指导和验收过程中进行过几次微调。最终按照 plan 实现了几个关键功能的 demo，录入屏幕，摄像头和音频，可以自动记录点击和输入事件，可以实现自动 zoom，可以实现导出不同的尺寸，不同画框的尺寸拖拽，可以支持多种背景，纯色渐变和系统壁纸，虽然现在 UI 还没有打磨，但是基本功能都实现了。如果对比一下的话，整体感觉差不多是 Opus 4.8 和 5.5 持平，部分场景有些 5.6 Sol 的感觉，我之后应该会长期使用一下持续关注效果。

最近深度使用了一下 Kimi 3，所以对这个模型的真实编程能力有一定的发言权，正好有做一个录屏软件的需求，之前也说过市面上现在有很多，但是我想按照我的需求深度自定义一个，用来测试一下 Kimi3 的实力，因为这个 case 还是比较复杂的，React UI界面，Rust 核心以及Swift bridge，录制可靠性以及复杂的编辑和交互等等。在使用过程中还是挺惊艳的的，从出 plans，到执行，再到自动化验收，启动数个 sub agents，完成平行任务，几个大任务多 agent 并行连续执行了 5 - 6 个小时，1M 的上下文非常够用，300多个自动化测试，整个过程我就是在交互指导和验收过程中进行过几次微调。最终按照 plan 实现了几个关键功能的 demo，录入屏幕，摄像头和音频，可以自动记录点击和输入事件，可以实现自动 zoom，可以实现导出不同的尺寸，不同画框的尺寸拖拽，可以支持多种背景，纯色渐变和系统壁纸，虽然现在 UI 还没有打磨，但是基本功能都实现了。如果对比一下的话，整体感觉差不多是 Opus 4.8 和 5.5 持平，部分场景有些 5.6 Sol 的感觉，我之后应该会长期使用一下持续关注效果。

Viking

29,355 görüntüleme • 1 ay önce

GPT-5.2 实测! 美是真的美, 卡是真的卡给大家带来 GPT 5.2 thinking 和 pro 的测试结果: 说实话, 这两个模型差距并不大, 但是价格却差了11倍. 大象牙膏测试, 这个感觉退步了, 甚至不如 GPT 5, 而且粒子效果还不如国产开放权重模型. 鞭炮连锁爆炸测试, 建模和光照, 粒子效果都非常好, 但追求画质的结果就是牺牲性能, 两个模型在测试中都非常的卡, 甚至 GPT 5.2 pro 尝试使用52个纹理, 而 WebGL 2.0 规范只支持16个. 所以不但会卡而且还报错. 陀飞轮机芯测试, 这个应该是目前的 SOTA, 齿轮效果, 光照, 建模准确性都不错. python 杯子倒水测试毫无进步, 跟 GPT5 没区别总结, 新的模型还是更注重在美学上发力, web界面的风格很统一, 光影效果也是SOTA, 但是具体编程上没有看到特别大的进步, 尤其是 python. 另外, 这两个模型大概率都有 three.js 的包导入错误, 所以大型工程场景表现需要谨慎. 以及本次测试 gpt 5.2 thinking 每个测试运行6次取最好结果, 花了我3.88刀(就写了18个网页和6个python脚本), 而 gpt 5.2 pro 由于太贵了, 每个测试我只运行了一次, 就这样还花费了我7.12 刀(3个网页1个python脚本...). 所以推荐大家如果需要极致美学的场景, 可以考虑使用 gpt 5.2 thinking, 其他编程场景如果没有订阅, 还是谨慎, 毕竟太贵了. #GPT52 #GPT #OpenAI

GPT-5.2 实测! 美是真的美, 卡是真的卡给大家带来 GPT 5.2 thinking 和 pro 的测试结果: 说实话, 这两个模型差距并不大, 但是价格却差了11倍. 大象牙膏测试, 这个感觉退步了, 甚至不如 GPT 5, 而且粒子效果还不如国产开放权重模型. 鞭炮连锁爆炸测试, 建模和光照, 粒子效果都非常好, 但追求画质的结果就是牺牲性能, 两个模型在测试中都非常的卡, 甚至 GPT 5.2 pro 尝试使用52个纹理, 而 WebGL 2.0 规范只支持16个. 所以不但会卡而且还报错. 陀飞轮机芯测试, 这个应该是目前的 SOTA, 齿轮效果, 光照, 建模准确性都不错. python 杯子倒水测试毫无进步, 跟 GPT5 没区别总结, 新的模型还是更注重在美学上发力, web界面的风格很统一, 光影效果也是SOTA, 但是具体编程上没有看到特别大的进步, 尤其是 python. 另外, 这两个模型大概率都有 three.js 的包导入错误, 所以大型工程场景表现需要谨慎. 以及本次测试 gpt 5.2 thinking 每个测试运行6次取最好结果, 花了我3.88刀(就写了18个网页和6个python脚本), 而 gpt 5.2 pro 由于太贵了, 每个测试我只运行了一次, 就这样还花费了我7.12 刀(3个网页1个python脚本...). 所以推荐大家如果需要极致美学的场景, 可以考虑使用 gpt 5.2 thinking, 其他编程场景如果没有订阅, 还是谨慎, 毕竟太贵了. #GPT52 #GPT #OpenAI

karminski-牙医

31,454 görüntüleme • 9 ay önce

牛P了 Vidu 的 Reference-to-Video 功能支持一次性上传最多 7 张参考图片并结合一段文字提示，生成具有高度一致性、风格统一、视觉保真度高的视频内容参考图可以是人物、场景、道具等任意内容下面是我的测试介绍... 利用 Vidu Q1 模型的多模态对齐机制能实现结构保持、纹理迁移、风格还原同步完成模型还会根据参考图和 Prompt 自动进行智能镜头推演，构建“视觉叙事”结构，如推镜头、平移、场景切换等这是目前行业内首个支持多图引用、并具有角色/场景一致性的开放式视频生成工具。下面是教程

牛P了 Vidu 的 Reference-to-Video 功能支持一次性上传最多 7 张参考图片并结合一段文字提示，生成具有高度一致性、风格统一、视觉保真度高的视频内容参考图可以是人物、场景、道具等任意内容下面是我的测试介绍... 利用 Vidu Q1 模型的多模态对齐机制能实现结构保持、纹理迁移、风格还原同步完成模型还会根据参考图和 Prompt 自动进行智能镜头推演，构建“视觉叙事”结构，如推镜头、平移、场景切换等这是目前行业内首个支持多图引用、并具有角色/场景一致性的开放式视频生成工具。下面是教程

小互

44,341 görüntüleme • 1 yıl önce

Codex 最新动态：从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。本视频由 baocut 翻译

Codex 最新动态：从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。本视频由 baocut 翻译

宝玉

37,498 görüntüleme • 1 ay önce

UI-TARS：字节跳动开源一种能够自我学习的GUI Agent 它能模拟人类操作手机和电脑并完成任务并具备高级的感知、推理和交互能力与传统依赖模块化框架或手工提示优化的系统不同，UI-TARS采用端到端架构，依赖纯视觉输入，实现了对复杂任务的全面自动化。 UI-TARS 的特点： - 看得懂界面：能理解界面上的按钮、输入框等元素，还能精准找到它们的位置。 - 多平台通用：不管是手机、电脑还是网页，UI-TARS 都能轻松适应。 - 高级推理能力：支持复杂任务的分解与多步决策，能自己规划步骤，遇到问题会反思并修正错误。 - 不断学习：通过反思和在线采集更多任务数据，它可以不断优化和适应新的任务场景，变得越来越聪明。

UI-TARS：字节跳动开源一种能够自我学习的GUI Agent 它能模拟人类操作手机和电脑并完成任务并具备高级的感知、推理和交互能力与传统依赖模块化框架或手工提示优化的系统不同，UI-TARS采用端到端架构，依赖纯视觉输入，实现了对复杂任务的全面自动化。 UI-TARS 的特点： - 看得懂界面：能理解界面上的按钮、输入框等元素，还能精准找到它们的位置。 - 多平台通用：不管是手机、电脑还是网页，UI-TARS 都能轻松适应。 - 高级推理能力：支持复杂任务的分解与多步决策，能自己规划步骤，遇到问题会反思并修正错误。 - 不断学习：通过反思和在线采集更多任务数据，它可以不断优化和适应新的任务场景，变得越来越聪明。

小互

46,108 görüntüleme • 1 yıl önce

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

karminski-牙医

19,683 görüntüleme • 5 ay önce

有个女的问我是不是 intj 人格，我只知道这四个字母指的是网上很火的一个性格测试结果，但具体这4个字母指的是什么不是很了解。其实我向来对这些测试不屑一顾，感觉跟星座星盘命理差不多，极度理智的人是不信这些的，就算有逻辑，有道理，人是很复杂的，也不可能用4个字母能概括，这就像一个基佬，他可以是0，也可以是1，还可以是又0又1，还可以是 0.1 0.3 0.5 0.7…… 人性是不同程度的灰，太复杂了。但我从抖音搜了下intj，看了下解读视频，卧槽，这不正是我吗？？？真踏马准啊！！！

有个女的问我是不是 intj 人格，我只知道这四个字母指的是网上很火的一个性格测试结果，但具体这4个字母指的是什么不是很了解。其实我向来对这些测试不屑一顾，感觉跟星座星盘命理差不多，极度理智的人是不信这些的，就算有逻辑，有道理，人是很复杂的，也不可能用4个字母能概括，这就像一个基佬，他可以是0，也可以是1，还可以是又0又1，还可以是 0.1 0.3 0.5 0.7…… 人性是不同程度的灰，太复杂了。但我从抖音搜了下intj，看了下解读视频，卧槽，这不正是我吗？？？真踏马准啊！！！

逍遥XTony

18,235 görüntüleme • 8 ay önce

一秒生成高斯点云? Apple新模型SHARP实测! Apple 刚刚推出了新的模型和配套框架 SHARP, 这个模型可以实现单张图像生成逼真的3D场景, 尤其是模型大小只有2.8GB, 大概是1.4B? 速度足够快, 可以一秒生成高斯点云, 然后这个点云可以为图片向邻近的视角提供多角度地观察, 比如我拍了一张椅子, 那么点云化后就能渲染椅子左右20度的视角, 更多就不行了. 视频是我的实测, 目前测下来日常场景使用完全没问题, 只有在复杂的场景才会露出破绽, 比如镜面反射, 或者超长焦, 感觉这个模型如果应用到 Apple Vision Pro 上会有很不错的场景, 照片仅需要1秒, 弄3D相册不是问题. #Apple #SHARP

一秒生成高斯点云? Apple新模型SHARP实测! Apple 刚刚推出了新的模型和配套框架 SHARP, 这个模型可以实现单张图像生成逼真的3D场景, 尤其是模型大小只有2.8GB, 大概是1.4B? 速度足够快, 可以一秒生成高斯点云, 然后这个点云可以为图片向邻近的视角提供多角度地观察, 比如我拍了一张椅子, 那么点云化后就能渲染椅子左右20度的视角, 更多就不行了. 视频是我的实测, 目前测下来日常场景使用完全没问题, 只有在复杂的场景才会露出破绽, 比如镜面反射, 或者超长焦, 感觉这个模型如果应用到 Apple Vision Pro 上会有很不错的场景, 照片仅需要1秒, 弄3D相册不是问题. #Apple #SHARP

karminski-牙医

23,813 görüntüleme • 8 ay önce

兄弟们，又出来个牛P玩意阿里那个被截胡了，这个直接能用可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小case... 最牛P的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换... 其核心技术基于JST-1模型。JST-1是首个具有实际物理理解能力的视频-3D基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。核心功能： 1、可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle将根据这些指示生成视频。 2、基于物理的动画：JST-1模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3、3D角色和场景创建：Viggle不仅限于传统的2D视频制作，它还能够创建3D角色和场景。官网：可以去他们discord免费体验： ViggleAI

兄弟们，又出来个牛P玩意阿里那个被截胡了，这个直接能用可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小case... 最牛P的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换... 其核心技术基于JST-1模型。JST-1是首个具有实际物理理解能力的视频-3D基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。核心功能： 1、可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle将根据这些指示生成视频。 2、基于物理的动画：JST-1模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3、3D角色和场景创建：Viggle不仅限于传统的2D视频制作，它还能够创建3D角色和场景。官网：可以去他们discord免费体验： ViggleAI

小互

103,642 görüntüleme • 2 yıl önce

Qwen-3.8 max 实战测评来啦！体验下来：参数量 2.4T，同任务下，速度上要比kimi-k3快很多，甚至有十倍的差距，对需要频繁交互的探索性任务比较友好，性价比较高这次也支持了多模态，上下文长度支持1M 前端能力从测评任务可以看到整体上还是不错的，与其他SOTA模型不相上下目前，Qwen3.8-Max 预览版模型（Qwen3.8-Max-Preview）已首发上线阿里 Token Plan、Qoder 及 QoderWork。当前 3.8看是限时一折，夜间更是0.2折，感兴趣的朋友可以试试且 Qwen3.8 正式版很快将发布并开源，正在以“天”为单位持续进化，今天意外发现测评的效果比昨天发布的版本要好很多，值得长期关注 Qwen3.8-Max-Preview 相比上一代 Qwen3.7-Max 提升明显；面对 KIMI-K3、GLM-5.2 和 Opus-4.8-Max 时也有一定优势，尤其擅长 Cowork 类 Agent 任务，但对 Fable-5-Xhigh 仍处于下风，很期待后续优化。评论附办公类测评👇

Qwen-3.8 max 实战测评来啦！体验下来：参数量 2.4T，同任务下，速度上要比kimi-k3快很多，甚至有十倍的差距，对需要频繁交互的探索性任务比较友好，性价比较高这次也支持了多模态，上下文长度支持1M 前端能力从测评任务可以看到整体上还是不错的，与其他SOTA模型不相上下目前，Qwen3.8-Max 预览版模型（Qwen3.8-Max-Preview）已首发上线阿里 Token Plan、Qoder 及 QoderWork。当前 3.8看是限时一折，夜间更是0.2折，感兴趣的朋友可以试试且 Qwen3.8 正式版很快将发布并开源，正在以“天”为单位持续进化，今天意外发现测评的效果比昨天发布的版本要好很多，值得长期关注 Qwen3.8-Max-Preview 相比上一代 Qwen3.7-Max 提升明显；面对 KIMI-K3、GLM-5.2 和 Opus-4.8-Max 时也有一定优势，尤其擅长 Cowork 类 Agent 任务，但对 Fable-5-Xhigh 仍处于下风，很期待后续优化。评论附办公类测评👇

岚叔

104,646 görüntüleme • 1 ay önce

Claude Opus 4.8 出了之后，我的第一反应是：想试。第二反应是：算了，token 这东西真的不经烧。结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。我自己有个很真实的问题：脑子里经常冒出各种产品想法。但每次真要开始做，就会卡住。用户是谁？第一版到底做什么？哪些功能应该先砍掉？怎么定价？第一周从哪一步开始？上线后怎么找第一批用户？想法很多，执行很散。所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。需求我写得也挺直接：输入一句产品 idea。自动拆出产品定位、MVP、开发任务、定价方案。再生成落地页文案、冷启动实验、风险清单和本周计划。最好不是一个静态页面，而是真的能点、能改、能导出。然后我就把这段话丢给 Claude Opus 4.8。出来的效果比我预期好不少。它真的把“一人公司怎么从想法走到执行”这件事拆开了。左边输入产品想法。中间生成产品蓝图、MVP 范围、定价和官网文案。右边是任务看板和本周计划。底部还有冷启动实验、风险雷达和 Markdown 导出。最让我觉得有意思的是，它不是一味堆功能。比如我输入“给小红书博主做 AI 选题助手”，它会主动判断：第一版必须做什么。哪些功能看起来高级，但现在应该先别碰。怎么找第一批真实用户。哪些风险可能让这个项目做不下去。这点就很能体现 Opus 4.8 的能力。普通模型经常是：你要什么，我全给你加上。最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。我是在 ZenMux 上试的。它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。想试 Claude Opus 4.8 的，可以从这里进：

Claude Opus 4.8 出了之后，我的第一反应是：想试。第二反应是：算了，token 这东西真的不经烧。结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。我自己有个很真实的问题：脑子里经常冒出各种产品想法。但每次真要开始做，就会卡住。用户是谁？第一版到底做什么？哪些功能应该先砍掉？怎么定价？第一周从哪一步开始？上线后怎么找第一批用户？想法很多，执行很散。所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。需求我写得也挺直接：输入一句产品 idea。自动拆出产品定位、MVP、开发任务、定价方案。再生成落地页文案、冷启动实验、风险清单和本周计划。最好不是一个静态页面，而是真的能点、能改、能导出。然后我就把这段话丢给 Claude Opus 4.8。出来的效果比我预期好不少。它真的把“一人公司怎么从想法走到执行”这件事拆开了。左边输入产品想法。中间生成产品蓝图、MVP 范围、定价和官网文案。右边是任务看板和本周计划。底部还有冷启动实验、风险雷达和 Markdown 导出。最让我觉得有意思的是，它不是一味堆功能。比如我输入“给小红书博主做 AI 选题助手”，它会主动判断：第一版必须做什么。哪些功能看起来高级，但现在应该先别碰。怎么找第一批真实用户。哪些风险可能让这个项目做不下去。这点就很能体现 Opus 4.8 的能力。普通模型经常是：你要什么，我全给你加上。最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。我是在 ZenMux 上试的。它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。想试 Claude Opus 4.8 的，可以从这里进：

Joruno

16,224 görüntüleme • 3 ay önce

龙虾专用大模型? GLM-5-Turbo 实测! 给大家带来刚发布的 GLM-5-Turbo 大模型实测, 官方说这是一个加强了 tool call/Agent 能力的大模型, 于是我使用它搭建了一个可以帮我比对大菠萝里面物品的SKILL, 可以帮我辅助判断我是应该把垃圾直接甩商店还是应该留着传三代哈哈哈. 另外本次也是老生常谈的测试了这个模型的基础能力, 包括前后端编程, 以及 Agent 能力, 测试结论是, 前端没有太大的提升, 不过后端提升明显, vector-db-bench 直接跃升到了国产模型SOTA, 另外 Agent 测试中, 虽然没有超过 GLM-5, 但是它的 token 效率特别高, 几乎是 GLM-5 的三倍, 所以只要约束好上下文轮次和长度, 就能在龙虾里面达到非常理想的效果. (P.S. 本次测试使用的是内测版本 pony-alpha-2) #GLM5Turbo #智谱 #GLM5 #AutoClaw #OpenClaw #龙虾

龙虾专用大模型? GLM-5-Turbo 实测! 给大家带来刚发布的 GLM-5-Turbo 大模型实测, 官方说这是一个加强了 tool call/Agent 能力的大模型, 于是我使用它搭建了一个可以帮我比对大菠萝里面物品的SKILL, 可以帮我辅助判断我是应该把垃圾直接甩商店还是应该留着传三代哈哈哈. 另外本次也是老生常谈的测试了这个模型的基础能力, 包括前后端编程, 以及 Agent 能力, 测试结论是, 前端没有太大的提升, 不过后端提升明显, vector-db-bench 直接跃升到了国产模型SOTA, 另外 Agent 测试中, 虽然没有超过 GLM-5, 但是它的 token 效率特别高, 几乎是 GLM-5 的三倍, 所以只要约束好上下文轮次和长度, 就能在龙虾里面达到非常理想的效果. (P.S. 本次测试使用的是内测版本 pony-alpha-2) #GLM5Turbo #智谱 #GLM5 #AutoClaw #OpenClaw #龙虾

karminski-牙医

41,275 görüntüleme • 5 ay önce

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程

karminski-牙医

29,929 görüntüleme • 9 ay önce

昨天发了一个视频，看到评论里有人问：你都在用 Claude Code 了，为什么还要用国内的 Coding Plan？对我来说，这不是一个二选一的问题，而是一个补充题。大家都知道御三家的硬实力更强，这点没什么好争议的。但很多日常场景里，国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。比如文本处理、资料整理、基础 coding、简单 agent 任务，这类占日常 80% 的工作，很多时候并不一定非要上最贵的模型。对大多数中国用户来说，国产模型更顺手，速度也够，价格还低不少。还有一个经常被忽略的点，其实是处理速度。我自己实测下来，国内这些模型在一些简单任务上，接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务，用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。另外我觉得，现在国内头部几家 AI 厂商，已经不是“能不能做”的问题了。无论是阿里还是字节，一方面有足够的算力和基础设施，另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里，把国产模型纳入自己的工具链，本来就是很自然的事。所以我现在的看法一直都不是“国产替代”或者“二选一”，而是按场景分工：复杂、高价值任务交给最强模型；大量日常、重复、成本敏感的任务，用国产模型做补充，我觉得这反而是更现实、也更科学的用法。

昨天发了一个视频，看到评论里有人问：你都在用 Claude Code 了，为什么还要用国内的 Coding Plan？对我来说，这不是一个二选一的问题，而是一个补充题。大家都知道御三家的硬实力更强，这点没什么好争议的。但很多日常场景里，国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。比如文本处理、资料整理、基础 coding、简单 agent 任务，这类占日常 80% 的工作，很多时候并不一定非要上最贵的模型。对大多数中国用户来说，国产模型更顺手，速度也够，价格还低不少。还有一个经常被忽略的点，其实是处理速度。我自己实测下来，国内这些模型在一些简单任务上，接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务，用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。另外我觉得，现在国内头部几家 AI 厂商，已经不是“能不能做”的问题了。无论是阿里还是字节，一方面有足够的算力和基础设施，另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里，把国产模型纳入自己的工具链，本来就是很自然的事。所以我现在的看法一直都不是“国产替代”或者“二选一”，而是按场景分工：复杂、高价值任务交给最强模型；大量日常、重复、成本敏感的任务，用国产模型做补充，我觉得这反而是更现实、也更科学的用法。

luolei

32,630 görüntüleme • 5 ay önce

Manus 体验报告能自动完成任务并交付结果的AI代理全部是在一个云端电脑上完成，AI自动思考分析、自动通过浏览器访问网站收集数据、完成内容撰写最后在云端电脑运行各种程序并编写代码给你交付出相应的文档、音频、视觉、网站交互结果。真实体验是一个任务运行的时间会很长，但是你可以干别的事情等待它完成。总体来看交付的结果还是不错的。

Manus 体验报告能自动完成任务并交付结果的AI代理全部是在一个云端电脑上完成，AI自动思考分析、自动通过浏览器访问网站收集数据、完成内容撰写最后在云端电脑运行各种程序并编写代码给你交付出相应的文档、音频、视觉、网站交互结果。真实体验是一个任务运行的时间会很长，但是你可以干别的事情等待它完成。总体来看交付的结果还是不错的。

小互

304,294 görüntüleme • 1 yıl önce

我用 Grok Bot ，做了一个会自己运营币安广场的 Bot 我给它定了一条 Routine：每隔一小时去 X 抓取币圈和美股的最新热点，筛选选题，写成文章，寻找相关的真实图片，然后发布到币安广场。任务设置好以后，我不用每小时提醒它，也不用一直开着 Mac。 Grok Bot 的工作运行在云电脑上，关闭 App、笔记本或手机，不会停止正在执行的后台任务或 Routine。它和传统聊天式 AI 的差别也在这里。传统聊天 AI 通常是你问一句，它答一句。Grok Bot 给每个账号分配一台持久化云电脑，里面有浏览器、文件和终端。Bot 可以打开网站、处理文件、运行程序，也能按照时间表重复执行任务。同一账号下的 Bot 共用这台云电脑，也会共用其中的文件、浏览器会话和登录状态。你在电脑上关掉 Grok Bot，云端已经启动的后台任务还能继续干活。这类 Bot 比较适合需要反复执行的工作： • 定时追踪行业热点 • 自动整理日报和周报 • 监控市场消息 • 运营需要持续更新的内容账号 • 在多个网站之间收集和整理资料它也没到完全不用管的程度。你如果要它实现自动回复自动自动关注，全自动，他会很墨迹，消耗Token的速度惊人。 Grok Bot 牛逼的地方，它能给你一个云主机，主机IP环境都是独立的。电脑关了，它还在云端继续干活。下面是我通过它，运营币安广场的一些数据

我用 Grok Bot ，做了一个会自己运营币安广场的 Bot 我给它定了一条 Routine：每隔一小时去 X 抓取币圈和美股的最新热点，筛选选题，写成文章，寻找相关的真实图片，然后发布到币安广场。任务设置好以后，我不用每小时提醒它，也不用一直开着 Mac。 Grok Bot 的工作运行在云电脑上，关闭 App、笔记本或手机，不会停止正在执行的后台任务或 Routine。它和传统聊天式 AI 的差别也在这里。传统聊天 AI 通常是你问一句，它答一句。Grok Bot 给每个账号分配一台持久化云电脑，里面有浏览器、文件和终端。Bot 可以打开网站、处理文件、运行程序，也能按照时间表重复执行任务。同一账号下的 Bot 共用这台云电脑，也会共用其中的文件、浏览器会话和登录状态。你在电脑上关掉 Grok Bot，云端已经启动的后台任务还能继续干活。这类 Bot 比较适合需要反复执行的工作： • 定时追踪行业热点 • 自动整理日报和周报 • 监控市场消息 • 运营需要持续更新的内容账号 • 在多个网站之间收集和整理资料它也没到完全不用管的程度。你如果要它实现自动回复自动自动关注，全自动，他会很墨迹，消耗Token的速度惊人。 Grok Bot 牛逼的地方，它能给你一个云主机，主机IP环境都是独立的。电脑关了，它还在云端继续干活。下面是我通过它，运营币安广场的一些数据

撸毛吃猪脚饭| 美股合约首选Gate

14,674 görüntüleme • 5 gün önce

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

小互

14,792 görüntüleme • 9 ay önce

很多人吐槽自媒体们（包括我）只展示Gemini 3.0的前端能力，非常片面。确实是这样，在社交平台，视觉化的、尤其是能动起来的东西才能吸引注意力。但对于一个非程序员用户来说，前端能力很重要。我们日常的交互原型是用Gemini或者Cursor做的，临时给博物馆做个静态网站用的是Trae，我闺女科学课上的一些复杂概念我也会写个动态的演示页面，辅助讲解。下面是给我闺女做的演示案例，之前要用5～8轮才可以完成，用新模型一次就搞定了。

很多人吐槽自媒体们（包括我）只展示Gemini 3.0的前端能力，非常片面。确实是这样，在社交平台，视觉化的、尤其是能动起来的东西才能吸引注意力。但对于一个非程序员用户来说，前端能力很重要。我们日常的交互原型是用Gemini或者Cursor做的，临时给博物馆做个静态网站用的是Trae，我闺女科学课上的一些复杂概念我也会写个动态的演示页面，辅助讲解。下面是给我闺女做的演示案例，之前要用5～8轮才可以完成，用新模型一次就搞定了。

陈言Linkc-Chen

50,186 görüntüleme • 9 ay önce

GLM-5.2 刚刚正式发布! 给大家带来实测! 直接说结论本次测试中, 提升最大的是Agent能力, 而且是有质的变化! 测试中GLM-5.2 完全不用搜索附近的位置, 就能直接去想要到达的地方. 这一切竟然是它在一开始把地图背下来了! 这在我测试的20多个模型中之前是没有一个模型能做到的, 比如之前的模型想去换电站, 那么都要搜一下附近有哪些换电站(这就会浪费一次tool_call), 而GLM-5.2直接就知道换电站的位置! 从来没用过搜索函数. 这种一开始就把需要的数据内化到上下文中, 并且能够贯穿整个1M上下文进行推理的能力真的是叹为观止. 除此之外, 本次测试后端代码的 Agentic Coding 能力也有提升, 来到了总榜的第二名. 而本次测试暴露出最大的短板则是空间理解. 其实成也萧何败也萧何, 它虽然把换电站的位置都背下来了, 但是去的换电站却不是最近的, 所以虽然记住了, 但是记住了之后在用之前再根据自己当前所在位置推理一下, 他还是没有做到的, 这也是最大的短板了, 强烈建议官方优化一波. #GLM52 #智谱 #智谱AI #AgenticCoding #长上下文能力

GLM-5.2 刚刚正式发布! 给大家带来实测! 直接说结论本次测试中, 提升最大的是Agent能力, 而且是有质的变化! 测试中GLM-5.2 完全不用搜索附近的位置, 就能直接去想要到达的地方. 这一切竟然是它在一开始把地图背下来了! 这在我测试的20多个模型中之前是没有一个模型能做到的, 比如之前的模型想去换电站, 那么都要搜一下附近有哪些换电站(这就会浪费一次tool_call), 而GLM-5.2直接就知道换电站的位置! 从来没用过搜索函数. 这种一开始就把需要的数据内化到上下文中, 并且能够贯穿整个1M上下文进行推理的能力真的是叹为观止. 除此之外, 本次测试后端代码的 Agentic Coding 能力也有提升, 来到了总榜的第二名. 而本次测试暴露出最大的短板则是空间理解. 其实成也萧何败也萧何, 它虽然把换电站的位置都背下来了, 但是去的换电站却不是最近的, 所以虽然记住了, 但是记住了之后在用之前再根据自己当前所在位置推理一下, 他还是没有做到的, 这也是最大的短板了, 强烈建议官方优化一波. #GLM52 #智谱 #智谱AI #AgenticCoding #长上下文能力

karminski-牙医

13,227 görüntüleme • 2 ay önce