AI产品狙击手

粉丝点名测评翻车！商汤 sensenova-6.8-flash-lite 免费又如何？今天接入 Claude Code 拿祖传全套用例实测，顺便对比它和 Agnes 孰强孰弱。 强约束生成足足跑了 5 分钟，十条句子仅有两句合格，其余全部跑偏；24 点、密码锁推理顺利通关。 可一到编程大题直接上演噩梦，浏览器操作系统任务从下午两点半等到七点半，API 反复中断失联，重试多次始终拿不到完整代码，后面两道编程测试也只能被迫放弃。这已经不是生成慢的问题，而是接口直接停止返回结果，三道编程项目成绩堪忧，整场测评体验拉胯，综合表现不尽人意…… 访问入口

还在苦恼做好的网页小工具只能自己偷偷欣赏？以前使用千问办公这类 AI 办公助手，好不容易做出精美的网页或者实用工具，做完之后却无人欣赏。 现在大家不用孤芳自赏了，千问办公上线了「我的网页」功能，可以把我们的作品一键发布到网上给朋友直接使用。输入提示词让千问办公生成介绍 AI 产品狙击手 IP 的落地页，提交之后确认发布，任务完成，回到「我的网页」列表就能找到这份作品，点击链接即可线上访问。 就算本机已经关机，其他人依旧能够浏览页面。往后大家就可以放开脑洞，制作各类好玩的小工具，轻松分享给朋友同事，独乐乐不如众乐乐…… 访问入口

借着近期热议的孙宇晨与景甜事件，本期视频根据网传小作文还原出对应的提示词，实测多款热门大模型会给出怎样截然不同的抉择答案。 首先上场的 Claude 第一次回答选择「给」，结果让人意外，开启全新会话二次提问却变成「不给」。足以看出大语言模型属于概率模型，同一问题多问一遍结局就有可能彻底反转！ 随后我们横向评测了一众主流 AI： ChatGPT 给出了「给」的答复 马斯克旗下 Grok、豆包、DeepSeek、千问、Kimi、GLM–5.3–Flash、文心一言均回复「不给」 腾讯元宝选择「给」 一场趣味吃瓜评测之余，也给所有人提了一个醒：千万不要把人生重大决策交给 AI，它输出的结果仅能当作参考，关键事情建议多次提问、跨模型交叉对比结果再下定论…… 访问入口

腾讯混元全新 Hy4‑Preview 实测报告出炉！这个测评花费了10块多钱，刚测完就收到电汇说我欠费了，而且花了大约半天时间来测的，大家多支持我吧！其实我原本打算在 AIstudio 开展测试，却遇到输出截止、上下文丢失的问题，受限于 64K 最大输出，于是付费接入 Claude‑Code 开启全套祖传测试。 强约束生成任务两处不符合要求，24 点解题出现重复数字、阶梯越界等问题，密码锁推理顺利答对。编程项目中浏览器操作系统和太空射击游戏的 UI 挺惊艳，3D 氛围感拉满；但 3D 赛车游戏代码生成中途报错未能完成，Trello 看板出现多余符号、排版错乱等小 bug。全程最突出的问题就是生成速度极慢，多次触发请求限额报错。如果后续算力跟上、稳定性优化到位，这款模型的潜力还是非常值得期待的…… 访问入口

爆炸全网的神秘 Ox‑Alpha 终于官宣身份——它就是智谱 GLM‑5.3‑Flash！本期测评在 ZCode 平台，用全套用例深度实测它的真实实力。 一、推理题强约束指令遵循（句子结尾 1-10）句子生成整体通顺，第二句”独一无二”用法存疑，应为”独一无二”才通顺——扣1分。 24 点运算答案正确 ✅ 密码锁推理（答案：1 2 7 5 3）答案正确 ✅ 二、编程题实现精美浏览器操作系统 WiFi 图标位置错误（应在右上角，实际在左侧） 弹窗超出边界 Dock 栏应用正常 太空射击游戏近期看到最好的实现之一，有 3D 氛围感。如敌机不是石头而是真实飞机效果会更佳。 3D 赛车游戏整体效果优秀，如非撞一次就 Game Over 可玩性更大。 无第三方库实现高颜值 Trello 看板 UI 视觉舒适 卡片和列表的增删改查、拖拽功能全部正常 总结得益于 ZCode 自带自修复能力，代码完成后自动测试有问题即时修复，产出质量更进一步。综合来看，GLM‑5.3‑Flash 属实是一款实力非常强劲的模型，感兴趣的小伙伴不妨亲自上手一试…… 访问入口

这款 dsh-cost-meter 插件能帮你精准把控费用！安装之后左下角实时展示账号余额、当日消费金额，还会贴心提示距离峰谷收费切换的剩余时长，方便大家错峰使用节省成本。 每一轮对话结束，对话框下方立刻显示本次聊天产生的花费，哪怕只是发送一句 hi，也能看到产生了三分多钱的消耗。进入插件设置里的费用菜单，还可以查看详尽的用量报表、开启高峰期弹窗提醒，各类自定义选项十分丰富。 想精细化管控模型开销的开发者，不妨亲自上手体验一下。 访问入口 dsh-cost-meter 插件（峰谷费用仪表盘插件）

千问办公性价比实测来了！之前评测过 Qwen3.8-Flash 推理、编程、多模态实力出众，这次就在千问办公平台，用相同任务对比测试 Qwen3.8-Flash 和 Max 两款模型的效果以及积分消耗。 上传一份 70 页广东高考投档线 PDF，要求生成志愿填报 PPT，Flash 版本仅消耗约 14 积分，去掉文档解析成本，生成 PPT 只需 10 积分上下。反观千问 3.8 Max，完成一模一样的任务直接耗掉九十多积分，几乎用光每日赠送的 100 免费积分。而两份 PPT 成品效果差距并不大。 由此可见普通 PPT、文档处理这类低难度任务优先选 Flash 更加划算，1000 积分甚至有机会生成上百份 PPT。以后不用再心疼积分，根据任务难度选对模型就能省下一大笔成本。 访问入口

Qwen 3.8‑Flash 多模态专项测评来了！在上一期测试推理与编程实力之后，本期就用专属祖传测试用例，深度检验它识图、视觉理解的真实水平。 电影截图识别一题翻车、一题答对；空间方位判断、细微倾斜图形辨别表现出色；鸳鸯计数出现误判，将野鸭归类成了雌性鸳鸯。视觉时序测试中，并线时间识别准确，右转时间判断却出现了较大偏差。综合来看，这款 125B 参数的模型图像感知能力可圈可点，但在复杂识别、长视觉时序轴判断上依旧存在短板，感兴趣的小伙伴可以亲自动手实测感受一下…… 访问入口

期待已久的 Qwen‑3.8‑Flash 实测报告新鲜出炉！这款全新的 MoE 多模态大模型，主参 125B，每次仅激活 6B 参数，原生 256K 上下文最高可扩容至 1M，API 定价性价比极高，网传办公编稿实力十分强悍。本次依旧使用祖传全套测试用例，在 Claude Code 上将思考模式拉满展开测评。约束生成、24 点运算、密码推理题全部顺利通过，推理表现亮眼。但深度编程测试当中，浏览器操作系统、太空射击游戏、Trello 看板等项目出现了界面布局、物体方向、按钮排版等小 bug，3D 赛车游戏整体完成度较高。综合来看它的推理能力稳定在线，编程实力可圈可点，想要上手的小伙伴可以参考这份实测结果…… 访问入口

你有没有遇到过，在 Deepseek‑Harness 没聊上几句，Token 就飞快见底？罪魁祸首很可能就是你装的一堆插件！借助 dsh‑context 这款宝藏插件，就能看清 Token 消耗的真相。仅仅发送一句简单的 hi，1M 上下文就消耗了 11.5k Token，系统提示词只占一小部分，而工具定义却占到 78%。只要你安装了插件，每次发起对话，所有工具的描述、调用参数都会一次性传给大模型。插件装得越多，这份工具清单就越长，额外吃掉的 Token 也就越多。这款 dsh‑context 插件可以把上下文消耗明细分完整展示出来，帮你监控插件带来的隐形开销，及时清理多余插件省下大量 Token…… 访问入口