正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

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

21,542 subscribers

102,672 次观看 • 13 天前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

看到好多人都开始研究怎么做视频了，我也想学学，于是拿前几天发布的 Qwen3.8 Max 抢先体验版也尝试了下，顺便做了几个 demo： 1. macOS 复古操作系统：长进程 Agent 任务很稳，从收集多模态资料、写 PRD、开发到跑测试，基本不用插手，一句话就能从零交付能用的东西。 2. 3D 地球动态网页：同一句 prompt 跑不同模型对比，效果很不错。 3. 下面这个视频是用 Qwen3.8 Max + Hyperframes 完成的，我还把自己做成了数字人，风格模仿了前几天转发的那个产品视频，原来用 agent 做视频比想象中容易多了。哦对了，Qwen3.8 Max 正式版很快发布，并且会开源！

看到好多人都开始研究怎么做视频了，我也想学学，于是拿前几天发布的 Qwen3.8 Max 抢先体验版也尝试了下，顺便做了几个 demo： 1. macOS 复古操作系统：长进程 Agent 任务很稳，从收集多模态资料、写 PRD、开发到跑测试，基本不用插手，一句话就能从零交付能用的东西。 2. 3D 地球动态网页：同一句 prompt 跑不同模型对比，效果很不错。 3. 下面这个视频是用 Qwen3.8 Max + Hyperframes 完成的，我还把自己做成了数字人，风格模仿了前几天转发的那个产品视频，原来用 agent 做视频比想象中容易多了。哦对了，Qwen3.8 Max 正式版很快发布，并且会开源！

Ding

22,221 次观看 • 9 天前

我用Qwen3.8-Max预览版复刻了一个Obsidian知识库👇 继Kimi K3之后，源神Qwen3.8也即将开源（2.4T参数），但仅仅是一个预览版，我用Qoder设置了一个 /goal 之后，就跑出了八成神似Obsidian的效果：插件区、文件区、编辑区、右侧导航区全都包含，且能够正常使用。 Obsidian是不开源的，这个可能有些人不知道。。。所以创建文件、搜索文件、主题切换、快捷键使用、模式切换、双向链接、知识图谱、大纲......这些都是Qwen3.8-Max预览版从零到一开发出来的，长任务自动交付的能力就很牛逼🐮 而且Qwen3.8-Max预览版代码效果不错的同时，性价比也拉满了——白天credits一折，晚上价格还要打骨折，而且Token Plan39元就能体验。。。已经非常期待Qwen3.8正式上线Battle“御两家”的场面！

我用Qwen3.8-Max预览版复刻了一个Obsidian知识库👇 继Kimi K3之后，源神Qwen3.8也即将开源（2.4T参数），但仅仅是一个预览版，我用Qoder设置了一个 /goal 之后，就跑出了八成神似Obsidian的效果：插件区、文件区、编辑区、右侧导航区全都包含，且能够正常使用。 Obsidian是不开源的，这个可能有些人不知道。。。所以创建文件、搜索文件、主题切换、快捷键使用、模式切换、双向链接、知识图谱、大纲......这些都是Qwen3.8-Max预览版从零到一开发出来的，长任务自动交付的能力就很牛逼🐮 而且Qwen3.8-Max预览版代码效果不错的同时，性价比也拉满了——白天credits一折，晚上价格还要打骨折，而且Token Plan39元就能体验。。。已经非常期待Qwen3.8正式上线Battle“御两家”的场面！

逸尘

15,209 次观看 • 10 天前

Qwen-3.8 发布两天，实测体验来了。第一时间订阅了 Token Plan，并在 Qwen Code 环境下进行了对比测试。 📊 实验对照：第一次（弱提示）：仅给出一句话模糊需求，生成效果较为平庸、模式化。第二次（强结构）：清晰梳理功能模块、交互逻辑、图片规则及页面结构。模型对长任务的指令遵循度表现极佳，最终成功交付了一个完整的可操作系统。核心体验： 1. 推理与生成速度：即便面对超长 Prompt 和多页面构建，整个生成过程依然流畅，耗时17分钟，等待延迟相比 kimi k3（52分钟）、grok 4.5（26分钟）小很多。 2. 长任务执行力：后加的交互细节与模块划分，基本都高水准地落到了最终成品中。最后：还是那句话，模型能力固然重要，但想让模型稳定交付复杂任务，需求本身也得足够清楚。把目标、模块和规则拆明白，Qwen 3.8 确实能把复杂任务推进得又快又完整。越来越期待它接下来的开源评测了！以上。附上两次生成过程和最终效果👇

Qwen-3.8 发布两天，实测体验来了。第一时间订阅了 Token Plan，并在 Qwen Code 环境下进行了对比测试。 📊 实验对照：第一次（弱提示）：仅给出一句话模糊需求，生成效果较为平庸、模式化。第二次（强结构）：清晰梳理功能模块、交互逻辑、图片规则及页面结构。模型对长任务的指令遵循度表现极佳，最终成功交付了一个完整的可操作系统。核心体验： 1. 推理与生成速度：即便面对超长 Prompt 和多页面构建，整个生成过程依然流畅，耗时17分钟，等待延迟相比 kimi k3（52分钟）、grok 4.5（26分钟）小很多。 2. 长任务执行力：后加的交互细节与模块划分，基本都高水准地落到了最终成品中。最后：还是那句话，模型能力固然重要，但想让模型稳定交付复杂任务，需求本身也得足够清楚。把目标、模块和规则拆明白，Qwen 3.8 确实能把复杂任务推进得又快又完整。越来越期待它接下来的开源评测了！以上。附上两次生成过程和最终效果👇

Lonely

51,680 次观看 • 12 天前

卧槽，月之暗面（Moonshot AI）的 Kimi K3来了。 Kimi K3 的参数量达到了 2 万亿至 3 万亿（2-3T）级别。相比之下，当前主流的顶级模型如 Opus 4.8，其参数量大约在 1.5 万亿（1.5T）左右。 Kimi K3 不仅在参数体量上实现了翻倍，同时继续保留了 100 万字（1m）的超长上下文窗口优势。根据前期测试与行业预期，K3 的综合性能表现将超越当前的 Opus 4.8。中美之间的AI模型，还有差距吗？😂

卧槽，月之暗面（Moonshot AI）的 Kimi K3来了。 Kimi K3 的参数量达到了 2 万亿至 3 万亿（2-3T）级别。相比之下，当前主流的顶级模型如 Opus 4.8，其参数量大约在 1.5 万亿（1.5T）左右。 Kimi K3 不仅在参数体量上实现了翻倍，同时继续保留了 100 万字（1m）的超长上下文窗口优势。根据前期测试与行业预期，K3 的综合性能表现将超越当前的 Opus 4.8。中美之间的AI模型，还有差距吗？😂

比特币橙子Trader

143,470 次观看 • 17 天前

藏师傅的 Kimi K3 测评来了，这次确实非常牛逼！可以说是一个比较小的 DeepSeek 时刻我直接拿它跟 Opus 4.8 做了对比测试。从结果来看，互有胜负。在复杂前端和复杂开发的情况下，我觉得它跟 Opus 4.8 差不多是相当的水平。至于 Fable 5 和 5.6，我觉得还差一些，但已经是一个非常牛逼的成绩了。

藏师傅的 Kimi K3 测评来了，这次确实非常牛逼！可以说是一个比较小的 DeepSeek 时刻我直接拿它跟 Opus 4.8 做了对比测试。从结果来看，互有胜负。在复杂前端和复杂开发的情况下，我觉得它跟 Opus 4.8 差不多是相当的水平。至于 Fable 5 和 5.6，我觉得还差一些，但已经是一个非常牛逼的成绩了。

歸藏(guizang.ai)

108,148 次观看 • 16 天前

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

19,657 次观看 • 4 个月前

国产模型再次突破，比肩 Claude 4.6，Gemini 3.1 Pro 等顶尖模型。刚测完 Qwen3.7-Max，说几点真实感受。昨晚 API 上线第一时间就充了值，选了三个题目（见视频）来测试 Qwen3.7-Max 的前端能力、算力能力和 Agent 能力，确实可以叫做国产第一了。之前用 DeepSeek-v4 Pro 和 Kimi 2.6 做测试的时候，一次执行的完成度均不如 Qwen3.7-Max，体感上大概是 Qwen3.7-Max > Kimi 2.6 > DeepSeek-v4 Pro，这次千问在 Terminal-Bench 排行榜也确实反超了Claude Opus 4.6，体感是一致的。推理能力我是用奥数题和几道 HMMT 的题压了一下，准确率不是第一，但明显感觉比上个月测的 3.6 又高了一档。有个细节：遇到不会的题它会老实说自己不确定，而不是硬编一个看起来合理的错误答案——这点跟 Claude 很像。还有一点，现在 Qwen 的迭代速度也太猛了，在推上虽然声量没有 Kimi 和 DeepSeek 大，但是 Qwen 在 3 月发 3.5，4 月发 3.6，5 月直接上 3.7，已经变成月更节奏了，而且每次迭代都有不小进步，现在已经是名副其实的第一梯队。在海外 OpenRouter 上 Qwen3.6-Plus 的调用量刚破了平台纪录，日调用 1.4 万亿 Token，开发者们是在拿真金白银在投票。千问这一代明显是往 Agent 方向走的，极限压测下长程任务能跑 35 小时不崩，跨 Agent 框架兼容性也比上一代好很多。具体测试视频见 ⬇

国产模型再次突破，比肩 Claude 4.6，Gemini 3.1 Pro 等顶尖模型。刚测完 Qwen3.7-Max，说几点真实感受。昨晚 API 上线第一时间就充了值，选了三个题目（见视频）来测试 Qwen3.7-Max 的前端能力、算力能力和 Agent 能力，确实可以叫做国产第一了。之前用 DeepSeek-v4 Pro 和 Kimi 2.6 做测试的时候，一次执行的完成度均不如 Qwen3.7-Max，体感上大概是 Qwen3.7-Max > Kimi 2.6 > DeepSeek-v4 Pro，这次千问在 Terminal-Bench 排行榜也确实反超了Claude Opus 4.6，体感是一致的。推理能力我是用奥数题和几道 HMMT 的题压了一下，准确率不是第一，但明显感觉比上个月测的 3.6 又高了一档。有个细节：遇到不会的题它会老实说自己不确定，而不是硬编一个看起来合理的错误答案——这点跟 Claude 很像。还有一点，现在 Qwen 的迭代速度也太猛了，在推上虽然声量没有 Kimi 和 DeepSeek 大，但是 Qwen 在 3 月发 3.5，4 月发 3.6，5 月直接上 3.7，已经变成月更节奏了，而且每次迭代都有不小进步，现在已经是名副其实的第一梯队。在海外 OpenRouter 上 Qwen3.6-Plus 的调用量刚破了平台纪录，日调用 1.4 万亿 Token，开发者们是在拿真金白银在投票。千问这一代明显是往 Agent 方向走的，极限压测下长程任务能跑 35 小时不崩，跨 Agent 框架兼容性也比上一代好很多。具体测试视频见 ⬇

耳朵

33,499 次观看 • 2 个月前

Kimi K3 火爆之后，再看杨植麟在 GTC 2026 的演讲当时杨植麟提出，开放模型想追上闭源前沿模型，需要同时扩展三个维度：提高 token 效率、拉长上下文，并把单智能体升级为可并行协作的智能体集群如今 Kimi K3 以 2.8 万亿参数、100 万 token 上下文和 Agent Swarm 亮相，成为首个 3T 级开放模型，相关产品已全面上线，完整权重计划于 7 月 27 日发布 (Kimi AI) K3 的火爆更像一次路线兑现：开放只是起点，真正拉开差距的，是模型能否处理更长任务，并调度更多智能体一起完成复杂工作

Kimi K3 火爆之后，再看杨植麟在 GTC 2026 的演讲当时杨植麟提出，开放模型想追上闭源前沿模型，需要同时扩展三个维度：提高 token 效率、拉长上下文，并把单智能体升级为可并行协作的智能体集群如今 Kimi K3 以 2.8 万亿参数、100 万 token 上下文和 Agent Swarm 亮相，成为首个 3T 级开放模型，相关产品已全面上线，完整权重计划于 7 月 27 日发布 (Kimi AI) K3 的火爆更像一次路线兑现：开放只是起点，真正拉开差距的，是模型能否处理更长任务，并调度更多智能体一起完成复杂工作

PANews丨APP全面升级

40,323 次观看 • 13 天前

提升明显! Qwen3-Max 正式版 vs Preview版实测! 距离 Qwen3-Max-ThinkingPreview 版发布已经过去3个月了, 正式版终于来了! 这次提升有多大? 给大家直接上测试结果! 编程能力测试: 鞭炮连锁爆炸测试史诗级提升, 之前Preview版完全无法连锁, 现在不仅能连锁, 效果还相当不错; 大象牙膏测试锥形瓶建模改善明显, 甚至有液体下降动画了, 不过粒子动画还是有些问题; 陀飞轮机芯从无法完成到顺利建模; Python杯子倒水的粒子弹性和碰撞检测都修好了. 这次追加了美学测试: 用文字描述让它还原p5.js现代艺术作品, 效果还可以, 但空间理解能力还是拖后腿, 小窗口的横线错位了. Agent能力测试: 60K上下文以内表现优秀, 预估能刷到500分SOTA水平, 但超过60K后性能急剧下降, 会出现任务循环或遗忘工具的问题. 召回能力接近70%, 但出现了奇怪现象——上下文越短召回反而越差, 目前还不清楚是什么问题, 我已经反馈给官方了. 总结: 正式版比Preview版提升肉眼可见, 编程和美学都有进步, 但空间理解、Agent能力和长上下文召回还需打磨. 另外, 本次测试的是正常的thinking版本, 而那个分数超高的TTS模式目前还没上线呢! 期待一波！ #Qwen3Max #Qwen3MaxThinking #KCORES大模型竞技场 #AI编程 #大模型测评 #阿里千问

提升明显! Qwen3-Max 正式版 vs Preview版实测! 距离 Qwen3-Max-ThinkingPreview 版发布已经过去3个月了, 正式版终于来了! 这次提升有多大? 给大家直接上测试结果! 编程能力测试: 鞭炮连锁爆炸测试史诗级提升, 之前Preview版完全无法连锁, 现在不仅能连锁, 效果还相当不错; 大象牙膏测试锥形瓶建模改善明显, 甚至有液体下降动画了, 不过粒子动画还是有些问题; 陀飞轮机芯从无法完成到顺利建模; Python杯子倒水的粒子弹性和碰撞检测都修好了. 这次追加了美学测试: 用文字描述让它还原p5.js现代艺术作品, 效果还可以, 但空间理解能力还是拖后腿, 小窗口的横线错位了. Agent能力测试: 60K上下文以内表现优秀, 预估能刷到500分SOTA水平, 但超过60K后性能急剧下降, 会出现任务循环或遗忘工具的问题. 召回能力接近70%, 但出现了奇怪现象——上下文越短召回反而越差, 目前还不清楚是什么问题, 我已经反馈给官方了. 总结: 正式版比Preview版提升肉眼可见, 编程和美学都有进步, 但空间理解、Agent能力和长上下文召回还需打磨. 另外, 本次测试的是正常的thinking版本, 而那个分数超高的TTS模式目前还没上线呢! 期待一波！ #Qwen3Max #Qwen3MaxThinking #KCORES大模型竞技场 #AI编程 #大模型测评 #阿里千问

karminski-牙医

15,566 次观看 • 6 个月前

Anthropic 刚刚悄悄解决了 AI Agent 最大的一个问题之一。过去开发 Agent 的 skill 基本是这样的：写 prompt → 试一下 → 不行再改 → 靠感觉上线。但 Claude 现在给 Skill Creator 加了 3 个关键能力： 1️⃣ Skill Evals（技能测试）可以定义测试问题和成功标准，自动验证一个 skill 是否真的有效。 2️⃣ 多 Agent 基准测试可以并行运行多个 agent，甚至对两个 skill 版本做 A/B 测试。 3️⃣ 触发优化 Claude 会分析你的 skill 描述，自动修复：错误触发没触发描述不清这意味着一件很重要的事： AI Agent 开发正在从 “Prompt Engineering” 变成 “AI Software Engineering” 你可以像开发软件一样：测试评估基准测试持续优化更有意思的一点是：如果某一天，基础模型在没有 skill 的情况下也能通过这些测试，说明这个能力已经被模型“学会”了。也就是说：今天的 Skill，很可能会变成明天的模型能力。 Prompt、Skill、模型训练之间的边界，正在消失。

Anthropic 刚刚悄悄解决了 AI Agent 最大的一个问题之一。过去开发 Agent 的 skill 基本是这样的：写 prompt → 试一下 → 不行再改 → 靠感觉上线。但 Claude 现在给 Skill Creator 加了 3 个关键能力： 1️⃣ Skill Evals（技能测试）可以定义测试问题和成功标准，自动验证一个 skill 是否真的有效。 2️⃣ 多 Agent 基准测试可以并行运行多个 agent，甚至对两个 skill 版本做 A/B 测试。 3️⃣ 触发优化 Claude 会分析你的 skill 描述，自动修复：错误触发没触发描述不清这意味着一件很重要的事： AI Agent 开发正在从 “Prompt Engineering” 变成 “AI Software Engineering” 你可以像开发软件一样：测试评估基准测试持续优化更有意思的一点是：如果某一天，基础模型在没有 skill 的情况下也能通过这些测试，说明这个能力已经被模型“学会”了。也就是说：今天的 Skill，很可能会变成明天的模型能力。 Prompt、Skill、模型训练之间的边界，正在消失。

axiaisacat

68,008 次观看 • 4 个月前

DeepSeek V3.2 正式版实测! 提升真的有限? 给大家带来 DeepSeek V3.2 正式版的测试结果: 所有测试项目来看, 与之前的 DeepSeek-V3.2-Exp 相比是有进步的, 之前无法实现的测试这次都可以实现了. 不过相较于 SOTA 水平的模型相比, 差距仍然存在, 甚至与国产SOTA模型相比都有一定的差距. 有同学可能会说, 这次支持了 thinking with tools, 但这个也不是新鲜事了, DeepSeek 反而处于追赶的状态了. 另外, 测试过程中发现 DeepSeek V3.2 正式版还有错别字的问题, 把 axle 拼写成了 axxle. 导致变量出错 (与正确变量名称就差一行, 匪夷所思...). 总之, 目前的版本还是不适合用来写代码, 建议大家谨慎. DeepSeek 加油啊! 看着编程性能上不来我是真着急, 赶紧春节前放出 DeepSeek-V4 吧. #deepseek #KCORES大模型竞技场

DeepSeek V3.2 正式版实测! 提升真的有限? 给大家带来 DeepSeek V3.2 正式版的测试结果: 所有测试项目来看, 与之前的 DeepSeek-V3.2-Exp 相比是有进步的, 之前无法实现的测试这次都可以实现了. 不过相较于 SOTA 水平的模型相比, 差距仍然存在, 甚至与国产SOTA模型相比都有一定的差距. 有同学可能会说, 这次支持了 thinking with tools, 但这个也不是新鲜事了, DeepSeek 反而处于追赶的状态了. 另外, 测试过程中发现 DeepSeek V3.2 正式版还有错别字的问题, 把 axle 拼写成了 axxle. 导致变量出错 (与正确变量名称就差一行, 匪夷所思...). 总之, 目前的版本还是不适合用来写代码, 建议大家谨慎. DeepSeek 加油啊! 看着编程性能上不来我是真着急, 赶紧春节前放出 DeepSeek-V4 吧. #deepseek #KCORES大模型竞技场

karminski-牙医

43,891 次观看 • 8 个月前

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming

karminski-牙医

12,304 次观看 • 13 天前

Kimi K3 和 Qwen3.8 前后发新模型，都说自己仅落后 Fable5，K3 套餐现在抢都抢不到，千问还是随便买，我干脆买来测一测到底有没有那么强！！！结果让我很震惊，某些情况下国产模型做的比 Fable5 还好，并且 Qwen3.8 同一个任务比 Fable5、K3便宜5-10倍，详细聊一聊：第一个活，让 Qwen3.8、KimiK3、Fable5 复刻 macOS，同样一条一条 prompt（具体对比参考视频）： Qwen 3.8 做的最好，一口气写1500 多行代码，菜单栏、Dock 弹性动画、可拖拽窗口等基础的不说，Spotlight、终端、通知中心全都真的能用。这是三板中能做得最全的，UI 也是最舒服的。第二个活，让它写一个植物大战僵尸那样的塔防游戏。植物、僵尸、阳光经济、10 波进攻，最后一波有僵王坐镇，每条路还配了救场小推车。点开就能玩，同样一句话完成。中间还顺手让它搓了个黄金矿工，像素怀旧风，放钩抓金块、炸药、道具商店、关卡倒计时全有，一次成型零报错。然后计算了一下Token消耗和价格，这几个活加起来，Qwen3.8 花 4 毛钱，我以为自己少数了俩零，Fable 5 折算 5块4，K3 收了我 3块4。。。同样的题三个模型的测试下来都能交货，但测完我的结论是：国产这俩说仅落后 Fable 5，还真不算吹，差距已经缩小。但价格上 Qwen3.8 确实香，限时优惠+39 块上车不限购，烧 token 多但还是最便宜，而且这还只是预览版，2.4T 参数的正式版说是很快开源。所以说，国产模型现在都很不错，兄弟们，你会选哪家呢🤔

Kimi K3 和 Qwen3.8 前后发新模型，都说自己仅落后 Fable5，K3 套餐现在抢都抢不到，千问还是随便买，我干脆买来测一测到底有没有那么强！！！结果让我很震惊，某些情况下国产模型做的比 Fable5 还好，并且 Qwen3.8 同一个任务比 Fable5、K3便宜5-10倍，详细聊一聊：第一个活，让 Qwen3.8、KimiK3、Fable5 复刻 macOS，同样一条一条 prompt（具体对比参考视频）： Qwen 3.8 做的最好，一口气写1500 多行代码，菜单栏、Dock 弹性动画、可拖拽窗口等基础的不说，Spotlight、终端、通知中心全都真的能用。这是三板中能做得最全的，UI 也是最舒服的。第二个活，让它写一个植物大战僵尸那样的塔防游戏。植物、僵尸、阳光经济、10 波进攻，最后一波有僵王坐镇，每条路还配了救场小推车。点开就能玩，同样一句话完成。中间还顺手让它搓了个黄金矿工，像素怀旧风，放钩抓金块、炸药、道具商店、关卡倒计时全有，一次成型零报错。然后计算了一下Token消耗和价格，这几个活加起来，Qwen3.8 花 4 毛钱，我以为自己少数了俩零，Fable 5 折算 5块4，K3 收了我 3块4。。。同样的题三个模型的测试下来都能交货，但测完我的结论是：国产这俩说仅落后 Fable 5，还真不算吹，差距已经缩小。但价格上 Qwen3.8 确实香，限时优惠+39 块上车不限购，烧 token 多但还是最便宜，而且这还只是预览版，2.4T 参数的正式版说是很快开源。所以说，国产模型现在都很不错，兄弟们，你会选哪家呢🤔

余温

141,042 次观看 • 12 天前

做过投票发现蛮多人想看Bela说说假发，就录了一期 ——《女装避坑指南——假发/假发片》和之前义乳评测一样是脱稿说，紧张，也不完美，但是视频还是有蛮多干货呢毕竟视频时长也和上次评测一样比较长（5min）对假发感兴趣的姐妹同好们可以上 Umate解锁单篇或者patreon订阅任何一个等级即可看😘

Sensitive content

做过投票发现蛮多人想看Bela说说假发，就录了一期 ——《女装避坑指南——假发/假发片》和之前义乳评测一样是脱稿说，紧张，也不完美，但是视频还是有蛮多干货呢毕竟视频时长也和上次评测一样比较长（5min）对假发感兴趣的姐妹同好们可以上 Umate解锁单篇或者patreon订阅任何一个等级即可看😘

Cyber Bela

64,787 次观看 • 1 年前

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

32,566 次观看 • 3 个月前

中国版 Claude Cowork 来了... 体验了一周我感觉今年AI办公自动化将大爆发... 前两天不是测试了 Claude 的 Cowork 功能嘛测试完就被封号了😂 然后昨天阶跃星辰的人看到我写的 Cowork 测试内容了，说他们也有个和 Cowork 类似的产品，让我也体验下我一看这玩意竟然去年9月份就发布了... 测试了下的感受是：基本上Claude Code 能干的它也都能干： -能读取和直接操作电脑上的文件（区别于纯聊天AI） -能联网、能自动执行复杂任务（如抓取小红书内容） - 能联网、能自动执行复杂任务（如抓取小红书内容）进行重复劳动） - 妙计系统，支持任务模板复用（类似Claude 的技能功能，兼容Claude 的技能） - 多任务并行执行，效率更高（能同时运行多个任务互不干扰）

中国版 Claude Cowork 来了... 体验了一周我感觉今年AI办公自动化将大爆发... 前两天不是测试了 Claude 的 Cowork 功能嘛测试完就被封号了😂 然后昨天阶跃星辰的人看到我写的 Cowork 测试内容了，说他们也有个和 Cowork 类似的产品，让我也体验下我一看这玩意竟然去年9月份就发布了... 测试了下的感受是：基本上Claude Code 能干的它也都能干： -能读取和直接操作电脑上的文件（区别于纯聊天AI） -能联网、能自动执行复杂任务（如抓取小红书内容） - 能联网、能自动执行复杂任务（如抓取小红书内容）进行重复劳动） - 妙计系统，支持任务模板复用（类似Claude 的技能功能，兼容Claude 的技能） - 多任务并行执行，效率更高（能同时运行多个任务互不干扰）

小互

85,825 次观看 • 6 个月前

刚发布的 DeepSeek-V3.1-Base 写代码实测来啦! 直接说结论, 比 GPT-5 好! 我的体感是马上就能追平 Claude-Sonnet-4. 这次三组测试中, DeepSeek 除了大象牙膏的那个 OrbitControls 前面没有加 THREE 的包名称以外, 其余测试均能一次性通过, 相比较 GPT-5 在上期测试中出现了各种错误. DeepSeek-V3.1-Base 可以用流畅来形容. 不过测试出来 DeepSeek-V3.1-Base 最大的问题是美学还是差点意思, 生成的三角烧瓶只能用抽象来形容, 并且6次生成中没有一次能看的. 网页制作的样式和审美也略单一. 以上就是本期评测, 关注我带你看全网嗯快嗯专业的大模型评测. #DeepSeek #DeepSeekV31

刚发布的 DeepSeek-V3.1-Base 写代码实测来啦! 直接说结论, 比 GPT-5 好! 我的体感是马上就能追平 Claude-Sonnet-4. 这次三组测试中, DeepSeek 除了大象牙膏的那个 OrbitControls 前面没有加 THREE 的包名称以外, 其余测试均能一次性通过, 相比较 GPT-5 在上期测试中出现了各种错误. DeepSeek-V3.1-Base 可以用流畅来形容. 不过测试出来 DeepSeek-V3.1-Base 最大的问题是美学还是差点意思, 生成的三角烧瓶只能用抽象来形容, 并且6次生成中没有一次能看的. 网页制作的样式和审美也略单一. 以上就是本期评测, 关注我带你看全网嗯快嗯专业的大模型评测. #DeepSeek #DeepSeekV31

karminski-牙医

86,008 次观看 • 11 个月前

字节放出了一款具备长期记忆能力的多模态智能体：M3-Agent 可以实时处理视觉和听觉输入，并转化为长期记忆，使其不局限于单一模态的信息存储情景记忆，还可以从中提取和积累语义记忆核心是M3-Agent的记忆系统以实体为中心，把与同一实体相关的所有模态信息（比如一个人的面部、声音、相关知识）连起来，形成图谱结构，这就可以使其能更深入一致的理解环境支持多轮迭代推理，根据需要从长期记忆中检索相关信息来辅助推理过程在基准测试中，尤其在需要长期记忆和跨模态推理的任务上，M3-Agent表现优秀 #M3Agent #AIagent

字节放出了一款具备长期记忆能力的多模态智能体：M3-Agent 可以实时处理视觉和听觉输入，并转化为长期记忆，使其不局限于单一模态的信息存储情景记忆，还可以从中提取和积累语义记忆核心是M3-Agent的记忆系统以实体为中心，把与同一实体相关的所有模态信息（比如一个人的面部、声音、相关知识）连起来，形成图谱结构，这就可以使其能更深入一致的理解环境支持多轮迭代推理，根据需要从长期记忆中检索相关信息来辅助推理过程在基准测试中，尤其在需要长期记忆和跨模态推理的任务上，M3-Agent表现优秀 #M3Agent #AIagent

AIGCLINK

18,127 次观看 • 11 个月前

最近在测试国产大模型的能力，豆包最新的模型已经接近了 Opus-4.6 的水平，解决了了一个比较复杂的更新功能。体感上看，接近claude-opus-4-6 ，只能说是接近4.6的版本，我觉得还有点差距，不过我已经很好了，已经基本上可以以工作了，相比Claude Opus 价格便宜实太多了。国内用户下载trace 使用以下是我个人测试的情况

最近在测试国产大模型的能力，豆包最新的模型已经接近了 Opus-4.6 的水平，解决了了一个比较复杂的更新功能。体感上看，接近claude-opus-4-6 ，只能说是接近4.6的版本，我觉得还有点差距，不过我已经很好了，已经基本上可以以工作了，相比Claude Opus 价格便宜实太多了。国内用户下载trace 使用以下是我个人测试的情况

Mr Panda

27,902 次观看 • 1 个月前

Claude opus 4.8 来了，能力夺回第一的同时，Anthropic的身价也头一回压过了OpenAI，估值9650亿美元。跑分上Agentic terminal coding 仅次于GPT-5.5 其他均已超越，压力给到GPT-5.6 我们用ZenMux 第一时间做了如下测评（见视频），约束通过率100% ZenMux 模型上新速度简直宇宙第一快，快速尝鲜首选，而且有赔付保障，我的一些生成业务只放一个ZenMux接口就可以了，模型根据意图灵活选择有推友说4.8 蒸馏了qwen 我就拿qwen 一起做了对比，天气卡片是像哈😂，但是也拉洗车问题依然拉垮，哈哈模拟能力上感觉提升不大，可能是更稳了，长久任务今天再深度体验下我们的竞技场也上了新任务，地址见评论👇

Claude opus 4.8 来了，能力夺回第一的同时，Anthropic的身价也头一回压过了OpenAI，估值9650亿美元。跑分上Agentic terminal coding 仅次于GPT-5.5 其他均已超越，压力给到GPT-5.6 我们用ZenMux 第一时间做了如下测评（见视频），约束通过率100% ZenMux 模型上新速度简直宇宙第一快，快速尝鲜首选，而且有赔付保障，我的一些生成业务只放一个ZenMux接口就可以了，模型根据意图灵活选择有推友说4.8 蒸馏了qwen 我就拿qwen 一起做了对比，天气卡片是像哈😂，但是也拉洗车问题依然拉垮，哈哈模拟能力上感觉提升不大，可能是更稳了，长久任务今天再深度体验下我们的竞技场也上了新任务，地址见评论👇

岚叔

22,105 次观看 • 2 个月前