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。

最近，很多人说豆包2.1 PRO在编程方面可用！！但很少人实际跑一个项目去测试它，我自己也好奇它到底行不行？所以，我准备让豆包自己看抖音，然后把视频里面的一款玩具做成3D游戏。我相信这个测试不仅仅可以测试编程能力，而且连多模态也能测试。所以豆包到底能不能坐大人那桌了呢？下面是我的真实录屏测试👇：

铁锤人

104,044 subscribers

51,359 次观看 • 3 个月前 •via X (Twitter)

教育科学技术

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

windows桌面版Hermes Agent能不能调用桌面应用？我今天就做了次实验测试一下是否稳定。利用hermes去调用豆包可以顺利调用，并且可以去进行一切操作！！！我让hermes打开桌面APP去问豆包为什么爱骗人？🤣 豆包的回答很委屈，hermes还笑话豆包，哈哈！ #AI助手 #Ai #豆包 #Hermes

windows桌面版Hermes Agent能不能调用桌面应用？我今天就做了次实验测试一下是否稳定。利用hermes去调用豆包可以顺利调用，并且可以去进行一切操作！！！我让hermes打开桌面APP去问豆包为什么爱骗人？🤣 豆包的回答很委屈，hermes还笑话豆包，哈哈！ #AI助手 #Ai #豆包 #Hermes

DeFi狙击手 | Ai🕊️

21,740 次观看 • 3 个月前

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

karminski-牙医

10,514 次观看 • 3 个月前

两个月前做了一个小工具，解决 Codex 开发 iOS App 后，远程真机测试不方便的问题。现在不需要电脑，任何地方都可以把 App 跑到真机上测试。这两个月我自己一直在用，也顺手打磨了很多细节。最近正式发布出来，欢迎各位大佬体验测试。只能说：真爽。使用地址：

两个月前做了一个小工具，解决 Codex 开发 iOS App 后，远程真机测试不方便的问题。现在不需要电脑，任何地方都可以把 App 跑到真机上测试。这两个月我自己一直在用，也顺手打磨了很多细节。最近正式发布出来，欢迎各位大佬体验测试。只能说：真爽。使用地址：

Warren

44,688 次观看 • 2 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

12,850 次观看 • 2 个月前

测试了下阿里千问APP点外卖的功能整体上还可以，我们可以看到它后台工作的流程，应该也是在一个云端虚拟主机里面完成。自动规划任务，然后去云端电脑中完成这是我昨晚测试点宵夜的过程↓

测试了下阿里千问APP点外卖的功能整体上还可以，我们可以看到它后台工作的流程，应该也是在一个云端虚拟主机里面完成。自动规划任务，然后去云端电脑中完成这是我昨晚测试点宵夜的过程↓

小互

25,538 次观看 • 8 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

28,028 次观看 • 3 个月前

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了不能用常规的 AI 视频模型评判标准去看待它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！下面是详细的测试👇：

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了不能用常规的 AI 视频模型评判标准去看待它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！下面是详细的测试👇：

歸藏(guizang.ai)

181,401 次观看 • 1 年前

Runway 上线文字生成语音功能，免费使用。发现前几天说的文字生成语音的功能，Runway 悄悄的上了。尝试了一下英文的效果真的很好，感情很丰富自然。中文还是老问题，有外国人口音，这块可能不能指望外国公司了。这个功能可以选的语音模型非常多，可以都试试。目前是消耗右上角点数生成可以用好久。下面是我的测试录音。可以来试试：

Runway 上线文字生成语音功能，免费使用。发现前几天说的文字生成语音的功能，Runway 悄悄的上了。尝试了一下英文的效果真的很好，感情很丰富自然。中文还是老问题，有外国人口音，这块可能不能指望外国公司了。这个功能可以选的语音模型非常多，可以都试试。目前是消耗右上角点数生成可以用好久。下面是我的测试录音。可以来试试：

歸藏(guizang.ai)

37,500 次观看 • 2 年前

我发现了AI最有用的用途——整理桌面！来看 Kimi-K2 Agent 能力实测! 通宵肝了4天, 厚脸皮请大家多转发, 谢谢各位老铁! AI竟然能帮我整理300多个桌面图标，还能开发MacOS监控工具和制作魔塔游戏？ Kimi-K2 Agent 能力实测来啦! 本期视频通过5个极限场景全面实测月之暗面刚发布的Kimi-K2大模型Agent能力，从整理桌面到统计发票，从制作学习教程到游戏开发，每个测试都让人意想不到. 本次测试在从召回, 长上下文, 编程, 内容梳理, 任务调度, Agent 能力等等全方位覆盖. 最终哪里表现很好? 那里表现不佳? 请看视频! #kimi #月之暗面 #kimik2 #AIAgent #CodingAgent #ClaudeCode

我发现了AI最有用的用途——整理桌面！来看 Kimi-K2 Agent 能力实测! 通宵肝了4天, 厚脸皮请大家多转发, 谢谢各位老铁! AI竟然能帮我整理300多个桌面图标，还能开发MacOS监控工具和制作魔塔游戏？ Kimi-K2 Agent 能力实测来啦! 本期视频通过5个极限场景全面实测月之暗面刚发布的Kimi-K2大模型Agent能力，从整理桌面到统计发票，从制作学习教程到游戏开发，每个测试都让人意想不到. 本次测试在从召回, 长上下文, 编程, 内容梳理, 任务调度, Agent 能力等等全方位覆盖. 最终哪里表现很好? 那里表现不佳? 请看视频! #kimi #月之暗面 #kimik2 #AIAgent #CodingAgent #ClaudeCode

karminski-牙医

58,467 次观看 • 1 年前

做移动应用或 Web 端到端测试，传统工具要么配置复杂难上手，要么测试脚本容易因为界面变化而失败，维护成本很高。今日在 GitHub Trending 榜上发现 Maestro 这个开源测试框架，用简洁的 YAML 语法编写测试流程，5 分钟就能写出第一个测试用例。支持 Android、iOS 和 Web 应用，包括 React Native、Flutter 等框架，可以在模拟器、真机或浏览器上运行，内置智能等待机制，自动处理动态界面，不需要手动写延迟。 GitHub：另外还提供了 Maestro Studio 可视化编辑器，可以录制交互、检查元素、可视化构建测试流程，甚至内置 AI 辅助生成测试命令。环境配置十分精简，只需一行命令即可完成安装，写好的测试脚本也不需要编译就能直接运行。适合需要频繁进行界面测试的团队，能帮我们省下大量维护自动化脚本的时间。

做移动应用或 Web 端到端测试，传统工具要么配置复杂难上手，要么测试脚本容易因为界面变化而失败，维护成本很高。今日在 GitHub Trending 榜上发现 Maestro 这个开源测试框架，用简洁的 YAML 语法编写测试流程，5 分钟就能写出第一个测试用例。支持 Android、iOS 和 Web 应用，包括 React Native、Flutter 等框架，可以在模拟器、真机或浏览器上运行，内置智能等待机制，自动处理动态界面，不需要手动写延迟。 GitHub：另外还提供了 Maestro Studio 可视化编辑器，可以录制交互、检查元素、可视化构建测试流程，甚至内置 AI 辅助生成测试命令。环境配置十分精简，只需一行命令即可完成安装，写好的测试脚本也不需要编译就能直接运行。适合需要频繁进行界面测试的团队，能帮我们省下大量维护自动化脚本的时间。

GitHubDaily

17,286 次观看 • 6 个月前

昨天豆包的视频通话功能升级了，感觉比 GPT Live 还强！可以看我录屏，真的超预期。测试让豆包陪我一起看一个Youtube视频，画面出现个人，直接问这人是谁，竟然答对了！画面有个一闪而过的图表，问：“刚才有个图表，你能给我解读下吗？”。它竟然知道我指的是哪个图，并完整解释。对话延迟低，语音自然，也没有GPT Live的老外腔（国产模型天然优势），很像真人对话。未来场景相当多啊！K12教育、导览、机器人、实时翻译总结等。 Seed官方公众号说这个技术叫：原生音视频全双工大模型 SeedRealtime。豆包 App 已全量上线，更新到最新版，点"打电话"图标，开摄像头就能用，不用申请内测。下面技术解读和另一个测试。

昨天豆包的视频通话功能升级了，感觉比 GPT Live 还强！可以看我录屏，真的超预期。测试让豆包陪我一起看一个Youtube视频，画面出现个人，直接问这人是谁，竟然答对了！画面有个一闪而过的图表，问：“刚才有个图表，你能给我解读下吗？”。它竟然知道我指的是哪个图，并完整解释。对话延迟低，语音自然，也没有GPT Live的老外腔（国产模型天然优势），很像真人对话。未来场景相当多啊！K12教育、导览、机器人、实时翻译总结等。 Seed官方公众号说这个技术叫：原生音视频全双工大模型 SeedRealtime。豆包 App 已全量上线，更新到最新版，点"打电话"图标，开摄像头就能用，不用申请内测。下面技术解读和另一个测试。

向阳乔木

33,877 次观看 • 1 个月前

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助现在学习怎么用 AI 也不算迟 #codex #gaming

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助现在学习怎么用 AI 也不算迟 #codex #gaming

卡神 Karu

10,157 次观看 • 4 个月前

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 次观看 • 9 个月前

一个河南奶奶拿着手机问豆包问题，豆包用河南话回复她。就这一个场景，我突然就理解了什么叫“国民级应用”。不是功能多牛、模型多强，而是我奶奶也能用。很多AI产品，我自己用着觉得很厉害，但让大众试试，他们根本不知道怎么开始。豆包确实把门槛降到了最低。各种内置方言、音色克隆、人性化设置、简洁的交互。拿起来就能用，不用人教，不需要理解各种概念。如果你还没使用过豆包，可以体验一下，但是这种体验并非Claude、GPT等极致的能力，而是真正感觉到它是服务于大众。我给家里长辈手机上装的也都是豆包，因为他们真的能用起来。一个产品，如果只有懂技术的人能用，那它再厉害也只是小众玩具。能让普通人、老年人、不懂技术的人都用起来，这才是真正的好产品。我认为豆包做到了。

一个河南奶奶拿着手机问豆包问题，豆包用河南话回复她。就这一个场景，我突然就理解了什么叫“国民级应用”。不是功能多牛、模型多强，而是我奶奶也能用。很多AI产品，我自己用着觉得很厉害，但让大众试试，他们根本不知道怎么开始。豆包确实把门槛降到了最低。各种内置方言、音色克隆、人性化设置、简洁的交互。拿起来就能用，不用人教，不需要理解各种概念。如果你还没使用过豆包，可以体验一下，但是这种体验并非Claude、GPT等极致的能力，而是真正感觉到它是服务于大众。我给家里长辈手机上装的也都是豆包，因为他们真的能用起来。一个产品，如果只有懂技术的人能用，那它再厉害也只是小众玩具。能让普通人、老年人、不懂技术的人都用起来，这才是真正的好产品。我认为豆包做到了。

余温

164,055 次观看 • 7 个月前

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 次观看 • 6 个月前

啊？AI可以自己找活干了？给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。项目地址：

啊？AI可以自己找活干了？给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。项目地址：

karminski-牙医

41,586 次观看 • 11 个月前

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

19,683 次观看 • 6 个月前

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

karminski-牙医

40,242 次观看 • 5 个月前

将 Chrome 浏览器默认搜索引擎替换成 GPTSearch GPTSearch 现在已经能用了使用这个链接即可激活：当然你也可以把它设置为自己的默认搜索选项测试了下我感觉还是挺不错的。 2楼有测试结果↓

将 Chrome 浏览器默认搜索引擎替换成 GPTSearch GPTSearch 现在已经能用了使用这个链接即可激活：当然你也可以把它设置为自己的默认搜索选项测试了下我感觉还是挺不错的。 2楼有测试结果↓

小互

286,625 次观看 • 1 年前