AI产品狙击手

Qwen Image 3.0 测评报告来了。同时这次 benchmark 做了调整，升级到 V1.4 —— 最近收到大量反馈说 1.3 版本的测试用例太难了，所以这次难度整体往下调了一点，等模型能力今后都上来了，再重启 1.3 版本。 第一题：中文长文本排版支持测试。 水彩风珠海 5 天行程插画。看下来所有中文字都没有什么问题，连最难的「鹈鹕」两个字都做对了。 第二题：文生图综合能力测试。 书房丰满优雅美甲美女。整体画风还可以，挂钟时间这次是对的，三个杯子也没有问题。但指甲油这里有点问题：提示词要求一只手食指指甲油是红色，它做成了无名指；另外一只手中指的白底红点波点，它两只手都做了。然后就是感觉没有那么丰满，其他没有看到什么问题。 第三题：同一角色多视角一致性测试。 四个角度的人物、手部动作、发夹的位置和颜色、logo、草莓方向等都没有问题，这一题全对。 第四题：物理常识题。 女孩落地镜自拍 —— 镜子里的手机是反的，其他没有问题。 第五题：饼图图表生成测试。 两个问题：D 品牌和其他品牌合到一起去了；A 品牌和其他品牌的颜色没有区分开。 第六题：参考图和图片编辑。 男生位...

最新 HeyGen Voice Turbo 语音生成模型测评报告来了，当前免费，可以立刻开测。沿用本站语音合成测评的六道题，逐项看它的真实表现。 第一题：克隆音色与参考音频一致性。 先听原始音频，再听模型克隆后读同一段文字的效果。对比下来，克隆音色与我本人的原声差别还是比较大的，音色的还原度是第一处失分点。 第二题：复杂符号、歧义数字与技术格式识别。 问题不少：希腊字母 λ 没有读对；「90 token/s」被读成了「90 毫秒每秒」；「小于等于」读成了「不等于」。技术类文本的符号与单位识别基本失守。 第三题：多音字、生僻古音与轻声儿化。 这一段一共 14 个地方读错，可以对照文稿认真对一遍，中文读音的准确率明显不够。 第四题：跨语言切换与外来人名。 英文人名读错，另外「KV」和「Cache」之间的停顿太久、不连贯，中英混读的节奏也成问题。 第五题：音效标记控制。 这里没有找到相关文档能证明它支持音效控制，这一项无法验证。 第六题：粤语方言支持。 基本不通，可以判定它基本没有用粤语训练过。 整体看，HeyGen Voice Turbo 在音色克隆、符号识别、多音字...

新鲜出炉的 GPT 6.1 Terra 测评报告来了。GPT-6.1 Terra 是 OpenAI 十月底发布的中端型号，价格约为 GPT-6.1 Sol 的一半。本来工作有点忙，想滑一期，但粉丝私信说得诚意拳拳，所以还是别偷懒了，测吧。接入方式很直接：用 OpenRouter 接 Pi Agent，思考深度拉到 Max，文末给大家看最终花费。 第一题是强约束指令遵循句子生成测试，要求每句话的结尾分别从 1 到 10 收尾。我们看下是否通顺——全部都是通顺的。 第二题是鹈鹕土星环骑自行车的 SVG 测试，看下效果。整体大体没有什么问题，只是一些细节想提一下：首先，转弯的时候明显用的是淡入淡出的方法，显得没有那么平滑；其次，鹈鹕的形象，特别是腿和翅膀太拟人了，和鹈鹕的真实结构相差太大。 第三题是复合弓射箭 SVG 测试。整体也还好，但问题还是有：右手握弓，弓弦在右手外侧，左手就要绕过右手外侧来拉弓，这肯定不是一个正常的射箭方式。另外，如果弓也稍微往上倾斜一点就更好了，现在弓是平的、箭又是往上倾斜的，感觉有点别扭。 第四题是实现一个精美的浏览器操作系统。UI 看上去还可以，看下...

这期还是穷测，测的是海外现在最火的开源视频模型 LTX-2.5。它号称对标 MiniMax H3，所以我们就拿同一套六维鹈鹕骑车测试来考它——只用一条 5 秒提示词，却把六个互相独立的难点压进同一个镜头，靠提示词的密度而不是样本量来拉开模型之间的差距。 测试用例的设定是：黄金时刻的弧形滨海步道，一只成年鹈鹕骑着复古自行车沿弧线前行，左翅膀扶车把、右翅膀举手机对着镜面护墙自拍，喙叼着倾斜的玻璃瓶往车篮的玻璃碗里滴水，护墙上固定着中文横幅和显示 3 点 45 分的复古挂钟。 逐条看下来： 主体完整性与跨帧一致性：画面里出现了多个挂钟；横幅没有见到，文字是刷在墙上的；鹈鹕本该叼着的玻璃瓶没有；自行车不该少的反射镜也没看到。 肢体与机械推理：鹈鹕加上嘴的形状，怎么看都更像只鸭子；手机位置错了，应该由右翅膀拿着；左翅膀本应扶着车把，实际一开始是右翅膀扶着，然后收回去，之后就再没有任何翅膀扶着车把了。 多层镜面空间推理：镜面护墙要求反射完整主体，这里只看到鹈鹕上半部分，自行车基本看不到。又因为拍摄角度，而且鹈鹕并没有拿着手机自拍，手机取景器根本看不到。 中文文本与时钟渲染：横幅没有，...

千问办公里有一个叫「Icon 生成器」的图标生成 Skill，它干的事一句话就能说明白：把「帮我做个 App 图标」这句话，直接变成两张能上架的成品，20 多种风格随便挑。 用法也很简单。在对话框里说清楚你的 App 叫什么、干嘛用的，再从极简、黏土、3D、毛玻璃、霓虹这些风格里点一个，它就按 1:1 出图，一次给你两版不同构图。 你可能会问，那我直接用即梦画不行吗？通用文生图给你的是一张好看的图，不是一枚能用的图标——背景给你添渐变、主体歪成 3D 视角、还非要配俩字，而这些恰恰是上架时最要命的三件事。这个 Skill 最狠的一点，是把图标规范直接焊进了提示词：纯白背景、正面视角、无文字、居中留安全区，所以即使缩小到 favicon 尺寸也认得出来，不用你反复抽卡去对抗它的自由发挥。 我自己最喜欢的是 Surprise Me 模式——不知道要什么风格，就让它按产品类型推，两个方向各出一张：工具类给你极简，儿童教育给你黏土。 做独立开发、做个人品牌、手头图标一直拿不出手的朋友，现在就去拿你最难看的那枚图标试一张，你就知道它和你在即梦里抽 20 次卡的效果差在哪了。 访问入...

有人把 67.5 万张命盘、204 亿字的解读数据全部开源了。这套 ziwei-doushu 在 GitHub 上这两天正在冲趋势榜，一天涨了快 500 颗星——仓库 5 个多月前才建，现在已经有 7000 多颗星，代码走 MIT 协议。 它做的是一套紫微斗数排盘引擎：填上出生年月日时、性别和出生地，十二宫、四化、大限、流年、格局就全给你排出来。排盘最怕的是时辰和出生地不准，这个项目在口径上做了不少功夫——按出生地计算真太阳时，1986 到 1991 年的夏令时自动扣除，闰月的四种口径可以随便切，晚子时换日是一个开关，连亮度的流派差异也做成了可选项，而不是写死某一派。 开源的解读数据按年份拆成 77 个文件，解压后 56.6GB，压缩完 161MB，用哪个年份就下哪个，不必全量拉下来。仓库里还收了倪海厦的 1848 条原话，每条都标着第几集、第几分、第几秒，可以直接回放对照；另有 3 本古籍原文一并收录。 跑起来很简单：git clone 之后 npm install、npm run dev，排盘全部在浏览器里完成，不需要任何 API Key。想直接用的，线上站点 meti...

应粉丝要求，这期测 IndexTTS 2.5 的语音生成能力。它是开源模型，所以直接在 Hugging Face 上跑，没有经过任何闭源平台。 第一题：克隆音色与参考音频一致性。 先放我的原音频，再听克隆后读同一段文字（OpenAI 发布 O3、O4 mini 那段）。整体还是能听出跟原音的区别，而且这次连内容都出错——「O3」的 3 没读出来，「O4 mini」读成了「o 和 o minni」，「go through」读成了「过思路」。 第二题：复杂符号、歧义数字与技术格式。 这题的问题更密集，翘舌音也明显比原音重，测评者自己的原话是「我翘舌音没有那么重的」。逐条对下来：①2026 年被读成「2,026 年」，不如直接读「二零二六年」地道；②3:45 没读对；③座机 138001 没读对；④邮箱 kevin_zhu@techgogogo.com...

昨天刚测完豆包 TTS 2.0，今天轮到 MiniMax Speech 2.8 HD。同样是 6 个 case——克隆一致性、符号与数字、多音字古音、跨语言、音效标记、粤语方言，一路测下来看它能不能把豆包比下去。 第一题：克隆音色与参考音频一致性。 先放我的原音频，再让模型用克隆出来的音色读同一段文字（OpenAI 发布 O3、O4 mini 那段）。听感上差异还是听得出来，不像豆包那样几乎分不出真假，这一项 MiniMax 落了下风。 第二题：复杂符号、歧义数字与技术格式。 日期、座机、邮箱、版本号、λ=0.47、￥3.45、90 token/s、-5.5℃、CPU ≤ 98%、湿度阈值 30%~40%，全都得读准。结果问题不少：邮箱里的 techgogogo 读成了「太狗狗狗」，少了一个 go；GB 被念成「吉字节」（不能说错，但业内一般直接念 GB）；λ 的英文读音太中式；token/s 念成「token 除以 s」而不是「token 每秒」；macOS 的读法也怪。 第三题：多音字、生僻古音与轻声儿化。 尉迟、龟兹、无射、阏氏、大月氏、...

新鲜出炉的 Kimi K3.1 Pro 测评报告来了。这次直接通过官方 API 接入 pi agent，思考深度拉到 Max，一共跑了六道题。先说结论：大部分题目的完成度相当高，只有最后一题翻车了。至于钱包 —— 这次测评总共花了 23 元左右。 第一题：强约束指令遵循。 要求句子生成的结尾依次是 1 到 10，检查是否通顺 —— 全部都是通顺的。 第二题：鹈鹕骑自行车绕土星环的 SVG。 效果可以，转弯没有问题，鹈鹕和自行车的结构也没看出什么大毛病。两个小瑕疵：一是自行车没有挡住另一只脚，感觉两只脚都在同一边踩；二是土星下方穿帮了，土星环应该在土星图层上方。 第三题：复合弓射箭 SVG。 整体真的是个很棒的实现。两个小问题：箭羽反了；平射出去的箭突然往上蹿。 第四题：实现一个精美的浏览器操作系统。 UI 看上去不错，这些 widgets、桌面背景和布局都比较喜欢。右上角弹窗功能没有问题，只是日历的日期高亮不该用椭圆，这是个不好的设计；Dock 栏应用的功能也都没有问题。压轴的太空射击游戏画面不错，3D 感也出来了，上下左右按键都能控制，挑不出什么毛病。 第五题：实现一个 ...

大语言模型、生图模型、视频生成模型的测评 benchmarks 我们都做过了，还差语音生成模型和语音解析模型，这块基本补全。这次先把语音生成的部分补上——同样是 6 个 cases，从不同维度来测评每个语音生成模型的能力。第一个上刀的是豆包最新的豆包 TTS 2.0。完整题面和后续模型的横向对比，可以看语音合成模型测评专页。 第一题：克隆音色与参考音频一致性。 先放我的原音频，再放克隆后读同一段文字的效果——说实话，基本听不出和原音频有什么差别，挺棒的。唯一的瑕疵在英文术语上：「O4 Mini」被念成了「O4 命令」。 第二题：复杂符号、歧义数字与技术格式识别。 整体不错，但有两个小问题：一是「订阅费 3.45」前面的「元」符号没有生成；二是「速度 90 tokens」念成了 token 每秒之外的意思，单位不对。 第三题：多音字、生僻古音与轻声儿化。 这道题翻车比较明显，一共有 6 个地方读错了，大家可以对着题面认真对一对。 第四题：跨语言切换与外来人名。 英文人名读错了，中英日切换和英文长句的其他部分都还好。 第五题：音效标记控制。 这个模型的控制词格式是这样的，但非常...