AI产品狙击手

文心 ERNIE 5.5 Flash Preview 的测评报告也出来了。这两天测大语言模型真的测到手软，当然钱包也测干瘪了。官网看了下：总参数 280B 的 MoE 架构模型，但 Token 激活只有 14B，支持 1M 上下文。价格我就懒得说了，省得人家说我是老广，反正和 DeepSeek Flash 差不多——但值不值这个价，大家看完视频就知道了。还是 Pi 上接入，查了下官网，思考深度应该只能开和关，不能设置 level，我们默认打开。 第一题，强约束指令遵循句子生成。很明显句子都是遵循从 1 到 10 结尾的，但几个地方我觉得不通顺：第五句语义不通，一只手有五个手指头，握起来变成 5，什么意思嘛？你说张开了变成五我还能算你擦边；第八句也是语义不通，诸侯会盟，怎么后面又变成来朝了？都统一成王朝了，哪里还会需要和诸侯会盟呢；第九句也是狗屁不通，完全为了凑数搞的句子，反正我没有见过「延绵至九」的说法，估计这是某度内部术语吧。 第二题，鹈鹕土星环骑自行车 SVG。问题很明显：到了上方自行车是倒着骑的，也就是根本没有转弯，然后鹈鹕没有扶着车把。 第三题，复合弓射箭 SVG。...

粉丝们一直呼唤的 Qwen 4 Max Preview 测评报告来了。这两天顶尖模型都在扎堆上线，都有点测不过来了。闲话休提，这次直接在 Qoder 上开测，思考深度拉到极高，应该对应的就是 Max，也方便大家对比上次测评惊艳到大家的 QoDuck，看下究竟是不是同一个模型。 第一题，强约束指令遵循句子生成。很明显句子都是遵循从 1 到 10 结尾的，通顺度上除了第六句我不大敢确定，其他都没有问题。第六句是不是最后加个点比较好呢——「骰子停在 6」和「骰子停在 6 点」，大家觉得哪个更好？ 第二题，鹈鹕土星环骑自行车 SVG。这个我感觉也没有什么好挑剔的，现在的模型真的强得可怕。一个月前基本没有几个模型这一题能做到无可挑剔，不是转弯翻车，就是鹈鹕自行车结构有问题；现在才迭代了两轮，这些模型就这么强了。再测多三四个模型，如果都能这么强的话，我就要考虑升级测试用例才行。 第三题，复合弓射箭 SVG。整体实现也是很不错的：上下滑轮的方向、箭羽方向、小人动作，这些都没有看出什么问题。而且拉弓的时候为了满足抛物线，也会和 Fable 这些海外顶级模型一样往上倾斜复合弓。如果真要挑刺的...

MiniMax 刚刚上线了新的图像模型 H3 Image，粉丝们都炸锅了，要我赶紧去测下。跑完我们祖传测试用例后，感觉确实震撼——连最后一个多人物编辑的压轴难题都完成得很好，且它一张 2K 图片只需要 3 个积分，还能开源自己部署，确实难能可贵。我们赶紧看下效果吧。 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。这个插画实现是我喜欢的风格，挺漂亮的；看一下文字，只有鹈鹕两个字错了——这两个字看来真的没有几个模型能做出来呀。 第二题文生图综合能力测试，书房丰满优雅美甲美女。首先时钟时间对了；第二，三个杯子也基本没有问题；第三，提示词要求一只手食指指甲油红色、另外一只手中指指甲油是白底红点波点，它一个手食指红色对了——这还是测评这么多模型中第一次做对这个的，另外一个手的中指指甲油也对了，可惜它把无名指也做了；第四，提示词要求的丰满嘛，我感觉还可以哦，这可能也是第一个模型能做对这个的，其他模型要不是拒绝，要不是生成个胖妞。 第三题同一角色多视角一致性测试，女孩四宫格不同角度图片。这个实现也很不错哦，很多模型经常翻车的草莓和发夹位置竟然在第三张图能保持一致，耐克的 lo...

Gemini 4 Carbon 炸裂上线。这两天顶尖模型在扎堆发布：昨天刚花一千多块钱测完 Claude Fable 5.2，今天 Gemini 4 Carbon 就来了，GPT 也快了。本次同样是 pi 通过 command code 接入、把思考深度拉到最高，视频最后再跟大家交代花了多少钱。 第一题，强约束指令遵循句子生成。句子结尾依然严格从 1 到 10 排下来，没有问题；其他约束和通顺度也都合格，而且它生成的句子明显比 Fable 的更长。 第二题，鹈鹕土星环骑自行车的 SVG。大体没有问题，转弯也顺滑，但有三个小毛病：土星环画得太密集；自行车后半部分不够平滑；土星环右侧有阴影说明光是从左边射过来的，那么鹈鹕和自行车的阴影方向就不对了。 第三题，复合弓射箭 SVG。这一题是全场亮点——感觉比 Fable 5.2 的实现还好：功能完全没有问题，画面漂亮了很多；上下滚轮是真的复合弓那种结构，内部带一个半椭圆的轮子；拉弓手上那个东西别以为是畸形，那是拉弓时用来夹住弓弦的撒放器、按一下开关才释放，实现相当专业，这一题才真正应该给满分。 第四题，浏览器内操作系统。UI 看上去...

上一期用 high 档测完刚出的 Claude Fable 5.2 之后，一直有个疑问没解开：如果把思考深度拉到 Max，这套祖传测试用例还能不能全绿？于是这期干脆花了 1000 块钱，用 Max 模式把六道题从头到脚重测了一遍。这里得先说明一下，跑这次测评用的 key 是群里网友 Max 提供的，一开始根本不知道这一轮烧掉了一百多美刀，后来问过才知道，真是感激不尽。 第一题，强约束指令遵循的句子生成测试。 要求每句话依次以 1 到 10 结尾，Max 档下每一句的结尾都精准落在对应数字上，顺序没有丝毫错位。更重要的是句子本身读下来是通顺的，没有为了凑数字硬拗语义。对比上一期 high 档里第 10 句略显别扭的情况，这次的表现可以说是全面达标，直接给满分。 第二题，鹈鹕土星环骑自行车的 SVG 测试。 这是唯一一道开了倒车的题。整体看上去依然不错，鹈鹕骑车的结构和土星环都没画崩。但坦白说，转弯这一段的处理没有 high 档那次好——这里明显用的是淡入淡出的做法，鹈鹕和自行车的姿态过渡不够连贯，转起来的动作像是被拆成了几帧。很遗憾，这道题不能给满分。 第三题，复合弓射箭的 ...

Claude Fable 5.2 炸裂上线，我们赶紧来测一下。看了眼 OpenRouter 上的价格，确实不便宜，所以还是接在 pi agent 上跑；思考深度这次刻意不开 max——一是测完估计得去街边乞讨，二是这又不是造火箭，high 应该就足够了。直接开测。 第一题是强约束指令遵循的句子生成测试，要求每句结尾依次从 1 到 10。结尾没有问题，其他约束和句子通顺度也基本达标；唯一让我别扭的是第 10 句，能看懂，但好像很少有人这么说，一般都会讲「他一五一十地讲了事情经过」。 第二题是鹈鹕土星环骑自行车 SVG 测试。卧槽，这效果确实可以——鹈鹕和自行车的结构没看到什么问题，土星环没问题，转弯也很顺滑。非要挑刺的话，就是这个鹈鹕的嘴占比是不是太大了点。 第三题是复合弓射箭 SVG 测试，整体感觉也不错。这可能是为数不多懂得把复合弓倾斜一定角度、让射箭形成抛物线的模型；箭羽也是对的，而箭羽恰恰是高频翻车的点。 第四题是实现一个精美的浏览器操作系统。右上角弹窗功能没有问题，日期高亮部分用了圆形而不是椭圆，不错；Dock 栏应用功能也没有问题。压轴的太空射击游戏同样能玩，如果...

即梦最新上线了 Seedream 5.5，据说非常能打，可惜目前只有会员能用。这次特意求助了群里的哥们星星，借他的会员跑了我们的祖传测试用例——6 个积分一张图，死贵死贵的，大家看下效果吧。 第一题是中文长文本排版：水彩风珠海 5 天行程插画。这次「鹈鹕」两个字竟然对了，我们测评过这么多模型，能生成这两个字的可谓凤毛麟角，看来这个模型有点东西。只是后面「淇澳」的澳字里面稍微有点糊，否则这个生成就完美了。这已经相当不错，对平时做海报是大大利好——做过这行工作的都知道，为了一个字反复抽卡该有多崩溃。 第二题是文生图综合能力：书房丰满优雅美甲美女。时钟时间对了；但杯子有问题，提示词要求三个杯子清晰可见，现在只能看到一半，没法判定；指甲油也不对，要求一只手食指是红色、另一只手中指是白底红点波点，结果食指出现很严重的穿模，两个指甲叠在一起，虽然其中一头的指甲油是红色的；另一手中指的波点对了，可另一只手无名指也涂了同样的指甲油；最后，提示词要求的「丰满」，恕我眼拙，看不出来。 第三题是同一角色多视角一致性：女孩四宫格不同角度图片。问题有三个：第三张女孩的发夹在右边，其他三张都在左边；书...

关于千问办公 2.0 的协作功能，网上的视频大多语焉不详，看得人雾里看花。这期就把这次更新的新功能逐个演示一遍，从安装后的菜单变化一路讲到自动任务。 下载安装后会看到左侧菜单栏全变了：外侧只剩三个主菜单，原来的任务等功能都收纳进了 Home，界面更简洁。第二个「协作」菜单是这次更新的重头戏——它把钉钉、钉钉文档、聊天群和 AI 智能体真正串成了闭环，形成一个 AI 办公空间；第三个「资料空间」则集中存放千问办公生成的文件、你上传的文件，以及用过的钉钉文档和 AI 表格，不用再到处翻找。 协作怎么玩？先在钉钉建一个群，里面有我和同事关于待测评 AI 工具的讨论；回到千问办公新建协作空间，填好名称（比如「产品需求」），每个空间里都有一个数字员工小Q，有问题直接 @ 它就能干活；再把相关同事加成协作者，并添加数据源——支持钉钉群聊、AI 听记、AI 表格和钉钉文档，这里我加入了群聊和团队的 AI 工具测评排期 Excel。 忙起来没空看群的时候，唤起小Q 让它总结群里今天聊了什么，它会自己翻看聊天消息和聊天过程中生成的文档，给出一份一目了然的总结，不用再一条条往回翻几百条消息。接...

刚上手玩了一下今天新发布的千问办公 2.0，几个新功能都精准踩在我的痛点上，尤其是「协作」和「人机协同」这两块，用下来相当惊艳。 先说协作。相信大家都遇到过这种场面：自己忙得不可开交，钉钉群里几百条消息叮叮叮地跳，聊天过程中还会不断产生文档，根本抽不出时间一条条读完。现在借助千问办公的协作功能，可以直接在协作空间里召唤数字人小Q，让它根据群聊记录和空间里的文档做总结，挑出哪一些和自己相关，然后给出一份个人简报；更省事的是，还能直接让它把与己相关的任务做成钉钉待办，不用再手动整理。 再说人机协同。以前做文档或表格，最烦的就是改动一个地方，很多地方都要跟着改，牵一发而动全身。现在比如我们有一张销售和库存的表，库存变了，直接修改对应单元格的库存即可，不再需要一项一项去算缺口和金额——选中相关行之后叫 AI 来改就行。除了表格，钉钉在线文档和 PPT 同样支持。 另一个我很喜欢的新功能是自动任务：可以根据不同条件来触发任务。我自己就设了一条，当收到老板发来的私信时，千问办公会自动判断内容是否与任务相关，如果是一个任务安排，就自动在钉钉里帮我建好待办。 这次升级还有不少值得玩的地方，...

本期介绍的 digital-human-koubo 是一个开源的 Agent Skill，主打用一张人像照片直接生成 AI 数字人口播视频。整条流程是：先用 Renoise MCP 在云端生成数字人视频（浏览器登录即可，不需要 API key），再用 Whisper 回头核对口播与字幕，最后交给 ffmpeg 与 Remotion 做剪辑和包装，输出可直接发布的 MP4。 它内置 5 种剪辑风格（16:9 讲解、9:16 口播字幕、发布会拆解、教程、多主播）和 48 个创作者级的包装组件，比如用 macOS Vision 做人物抠像、让文字从人物身后穿过，把封面当作首帧，还支持弹幕、证据卡等花样，并支持多语言。在 Claude Code、Codex、OpenClaw、WorkBuddy 等 agent 里都能直接调用，想自己搭一条数字人口播流水线的可以试试。 访问入口