AI产品狙击手

昨天测了 GPT-6 Sol，粉丝们说想看一下比 Deepseek V4 Flash 还便宜的 GPT-6 Luna 在祖传测试用例上的表现。博客上对比了两个模型的价格，确实如此。好，那就来吧。还是在 PI 上接入，思考深度用 Max。 第一题强约束指令遵循句子生成测试，速度挺快的。结尾全部从1到10，全部通顺。但仔细看会发现，10个句子其实是同一个场景中连续的——一个叫小华的学生和老师在教室的场景，第一次见这种情况。句子都是通顺的。 第二题鹈鹕土星环骑自行车 SVG 测试，有几个问题。首先和昨天的 GPT-6 Sol 一样，转弯时用淡入淡出的方式掩盖没有顺利转弯的问题。第二，仔细看脚踏部分，鹈鹕的两只脚其实都在同一侧踩动，右脚没有被自行车挡住。 第三题复合弓射箭 SVG 测试，问题不少。首先人物手臂长度太长，和身高比例不协调，看上去挺吓人。其次弓箭似乎有自己的想法，明明平射，却先掉到地上，然后弹起来再诡异 地射中靶心。 第四题实现精美浏览器操作系统，感觉有点赛博朋克风格。右上角弹窗没有问题，Dock 栏应用也没有问题。太空射击游戏看上去是 3D 画面，但事实上只有 2D，...

这里跟大家说一下大语言模型里面 Context Window 跟 Max tokens 究竟有什么差别。 我们上次测了小米的 MiMo 2.6 Pro，测试时说这个 128K 的 Max tokens 爆了，导致输出没法完成，Pi 那边报错 “response was truncated before completion”，即输出在完成之前被截断了。当时有粉丝留言说：你懂不懂啊，小米那个 Context Window 是 1M，不是 128K。 实际上，Context Window 是你多轮对话能容纳的总窗口，包含历史对话和系统提示词，是所有内容能丢进去的最大窗口。而 Max tokens，也叫 Max output tokens，是你单次输出包含思维链（thinking）和最终输出的总长度，不包含历史记录，是一次性的。 两者完全是两回事。在 thinking 思考阶段爆 Max tokens，在各种 Harness 里，包括 Claude Code、Codex、Deepseek Harness，你连压缩（compact）的机会都没有。 希望看了这个视频，大家能了解到大语...

OpenCode 新上线的神秘模型 Space Bunny 测评报告来了。这次没法在 PI 里测，只能切换到 OpenCode，同时把这个模型的推理强度开到 high —— 这是它支持的最高 level。 第一题是强约束指令遵循的句子生成测试。看了一下，结尾确实都是从一到十，但只要认真读每一句就会发现，没有一句是通顺的，第一感觉就有点拉胯。第二题是鹈鹕土星环骑自行车的 SVG 动画，效果有点不忍直视，这次都不想找问题了，留给大家在弹幕和评论区一个个吐槽吧。第三题是复合弓射箭 SVG，同样没眼看 —— 这画的是忍者吧，难怪都不需要动、不需要拉弓，然后就突然有一支箭出现在靶子面前，完全是靠意念去控制，佩服佩服。 第四题是实现一个精美的浏览器内操作系统。UI 感觉有点 low，背景也是一片漆黑，太难看了；上方还一直有个「墙纸已更新」的提醒反复弹出来。右上角弹窗的配色也太烂，基本看不清文字。Dock 栏应用里，计算器的 UI 也很烂，下方按钮没法滚动下去。压轴的太空射击游戏只能通过鼠标控制位置和射击，玩下来很不好控制，但起码功能是没有问题的。 第五题是 3D 赛车游戏，功能上没有什...

剪视频这件事正在被 Agent 重新定义。Browser Use 团队开源的 VideoUse（GitHub 上的 video-use）把剪辑变成了聊天的活：把素材原件丢进一个文件夹，跟 Claude Code、Codex 这些编程智能体说几句话，拿回来的就是剪好的视频。这个项目在 GitHub 上已经收了 2 万多颗星。 它最直接的能力，是替你做掉粗剪里最烦的那部分。素材里的「嗯」「啊」这些口头禅和 NG 停顿，它能自动识别并剪掉；每段画面自动调色；字幕也顺手烧好。口播视频、旅行 vlog、教程录课，丢进去就能让它开剪。 更进一步的是动画叠加。它会给每段动画单独派一个子智能体并行去做，而不是串行硬等，所以往片子里加动效不会把整条流程拖慢。 交付之前还有一道自检：AI 会把所有剪辑点自己过一遍，确认画面不跳、音频不炸，才让你预览。连剪辑记忆都落在 project.md 里，下周打开它还记得上次干到哪，不用从头交代一遍。 详细用法在 GitHub 的 README 里有说明。剪视频做自媒体的兄弟建议试一把——先丢 10 分钟最头疼的口播素材，看它剪得比你快不快。 访问入口

刚测完 GPT-6 Sol，粉丝们就催着要看 Claude Opus 5.5，当然要满足大家。这次在 PI 上接入，思考深度设为 xhigh，来真的。 第一题是强约束指令遵循测试，要求模型生成以”从1到10”结尾的通顺句子。Claude Opus 5.5 速度很快，结尾全部正确，句子通顺完整。值得注意的是，GPT-6 Sol 上期测试同样全对，但 Opus 5.5 生成的句子完整性和流畅度明显更胜一筹。 第二题是 SVG 鹈鹕骑自行车绕土星环测试。效果出来后直接卧槽——这应该是测评以来见过的最好实现，转弯顺滑程度令人惊艳。放大仔细看，能发现鹈鹕的脚和脚踏是连在一起的，小小瑕疵，瑕不掩瑜。 第三题复合弓射箭 SVG 测试，同样是目前所有测过模型中效果最好的。复合弓的上下滑轮转动方向、附弦方式、人物动作、箭的抛物线都没有问题，而且弓箭射出时连阴影都有，箭中靶子后靶子还会晃动，细节拉满。 第四题实现精美浏览器操作系统，看完同样是卧槽。UI 非常漂亮，左侧还有精致的 widgets。右上角弹窗 UI 精美，健康状态窗口略微闪烁但整体出色，应用列表功能正常。压轴的太空射击游戏更是惊艳...

Github 开源桌面工具 Codex-X，3800+ 星，可视化管理 OpenAI Codex 各种配置。支持一键切换参数，管理提示词与会话，自动备份、统计 Token，全平台覆盖。 核心功能： Provider / API 切换：支持 OpenAI、DeepSeek、MiniMax、GLM、千问等多个 Provider，连接测试一键完成 会话同步：按项目分组管理，支持搜索、同步和批量删除本地 Codex 会话 Skills / MCP 管理：统一管理 Skills 和 Model Context Protocol 服务器 提示词注入：可视化提示词库，支持创建、分类、导入和切换 TOML 配置编辑器：语法高亮、自动备份 跨平台支持 macOS、Windows、Linux 全桌面端。 访问入口

最新上线 GPT-6 Sol 测评报告来了，继续在 Pi 中接入思考拉到 xhigh，废话不多说开始。 第一题强约束指令遵循句子生成测试，结尾都是从 1 到 10 结尾的，句子都是通顺的。值得提一下的是，GPT-6 写的句子很少用成语和俗语，不像国内模型什么九九归一、腊八、数九之类的。 第二题鹈鹕土星环骑自行车 SVG 测试，转弯感觉还可以，但有几个问题：一是把手没有用翅膀扶着，很多模型实现都有不然车怎么稳定向前走；二是车轮感觉是反方向滚动的；三是左边转弯还是有点别扭。 第三题复合弓射箭 SVG 测试，复合弓和射箭整体还可以。唯一想吐槽的是弓箭竟然像有魔法一样，水平射出后嗖一下就开始抬升变成抛物线运动。慢镜头可以看到拉满弓放手时，弓箭没有跟着弦一起出去。 第四题实现精美浏览器操作系统，界面还挺 macOS 风格的，右上方弹窗功能没问题，Dock 栏应用也没问题。太空射击游戏看着按钮感觉只实现了左右移动，确实如此只能左右移动，但 3D 感觉是出来了，如果能支持上下移动就完美了。 第五题 3D 赛车游戏测试，功能没什么问题，但这车就是几个方块搭起来的……等等，难道是马斯克最新的...

上个视频测了小米 MiMo V2.6 Pro 版本，坦白说有点拉胯，还非常爱思考，动不动思考到 Max Tokens 爆了。这次准备测试下 Flash 版本，希望能有好的表现。测试依然在 Pi 中接入，思考模式同样打开。 第一题强约束指令遵循句子生成测试，排除结尾不是从 1 到 10 之后，第二句不符合要求，认真看了下第六、九、十句都不通顺，只对了 6 句。 第二题鹈鹕土星环骑自行车 SVG 测试，也是大半个小时去了，这个 Flash 看来也不 Flash。效果竟然比 Pro 版本还好：左转弯已经很顺滑，且这次车把有手扶着了。但仍有问题：左转弯是倒退着转弯的，类似溜冰时的转弯；扶着车把的手和踩车的脚还是太像人了，鹈鹕应该是翅膀而非人腿，关节也不该和人一样——整体还是一眼就能看出是 MiMo 家族生成的。 第三题复合弓射箭 SVG 测试，时间也挺长。坦白说实现比 Pro 版好多了，甚至比之前测试过的模型都好，复合弓是最像复合弓的一个。问题两个：上方下方转轮都是顺时针方向，以及没有看到副弦——只有一根弦的话，复合弓主体做得再好也只当普通弓箭用。 第四题实现精美浏览器操作系统，这...

一大早醒来，粉丝们就说小米 MiMo 2.6 发布了，赶紧测评，义不容辞。这次发布了三个模型：Pro、Flash、Ultra、Speed。由于担心测完钱不够，先测 Pro，保证旗舰版 Ultra 能测完。测试依然在 Pi 上接入，打开思考模式开干。 第一题强约束指令遵循——让模型生成以 1-10 结尾的句子，整体通顺，但第 10 句的表述总觉得别扭。咨询 Deepseek 后确认第 10 句确实不太通顺。 第二题 Saturn 环骑自行车 SVG 生成，等了约一个半小时才出结果。问题明显：转弯仍用淡入淡出过渡、鹈鹕全程没有扶着车把、脚太像人腿而非鹈鹕关节。思考时间如此之长，实现效果却不尽如人意，性价比存疑。 第三题复合弓射箭 SVG，同样等待大半个钟，问题更为严重：头与身体完全错位、右手握弓手掌反转为左手拉弦、弓弦在右手外侧导致无法正常开弓。一个半小时的等待，换来这样的成品，实在说不过去。 第四题实现精美浏览器操作系统，号称任意位置点击即可进入，实际点击毫无反应，调试模式显示存在严重 bug。第五题 3D 赛车游戏，车辆一直往路边栏杆死撞，不断充钱也未能改善。 第六题无第三...

Grok 4.7 刚上线，这一期的测评依然在 Pi 平台上接入，思考强度直接拉到最 xhigh，还是那套祖传测试用例，逐题开干。 第一题是强约束指令遵循的句子生成测试。逐句看下来，所有句子的结尾都按要求落在 1 到 10 之间，句子本身也基本通顺，只有最后一句翻车了。口语里我们偶尔确实会那样说，但放到书面语里语法上就不太对——说「满分 100，他考了 90」没问题，前后呼应；但换成「这有苹果 10 个，他拿了一」，就明显别扭了，总感觉要补上「分」这个单位才舒服。大家觉得呢？ 第二题是鹈鹕骑自行车的 SVG 测试（沿土星环轨道做 360° 环形骑行）。从最后的输出看，它转弯是通过淡入淡出方式解决的。实际效果有几个问题：一是转弯时的衔接明显不理想，看着接不上；二是车轮总感觉是反着转的；三是内层的土星环画反了——上方部分应该被土星挡住，面向我们的下方部分则不该被挡住。 第三题是复合弓射箭的 SVG 测试。复合弓和射箭整体还可以，唯一想吐槽的是那个小人：知道这只是个 SVG，但手也不至于长到脖子上吧，看着怪吓人的，这不是拍恐怖片。 第四题是做一个精美的浏览器操作系统。实际玩下来，右...