被低估的小米大模型？实测MiMi：中文语义精准且响应极快
近日，科技社区有用户分享了小米自研大模型MiMi的深度体验。实测表明，MiMi模型在中文语义理解、响应速度及上下文保持方面表现优异，且免费额度充足。该模型不仅适用于日常问答、写作润色和翻译摘要，在代码简单调试方面也表现出色，被视为国产大模型...
标签索引
AI评测
这个标签下有 27 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
用户实测DeepSeek高阶模型代码翻车：思考5分钟未能修复前端BUG
近日，有开发者在科技社区反馈，在使用集成 DeepSeek 最新 API（提及 thinking max 模式）的 OpenCode 工具时体验不佳。该用户尝试生成一个 3D 魔方前端页面，模型历经 5 轮对话才勉强实现基础功能。在进行第 ...
社区热议 Claude 新版文学表现：思考变长却“GPT化”，创造力优势不再？
近期社区用户对比测试发现，Claude 最新版本（文中称 4.7）在文学创作领域的表现引发了争议。相比旧版本，新模型虽然思考耗时显著增加，但输出质量并未随之提升，甚至被批评出现了类似 ChatGPT 的刻板表达风格。尽管其综合能力仍属第一梯...
ChatGPT Deep Research 功能实测：被指“懒惰”，发散性思维不及 Gemini 与豆包
针对 ChatGPT 最新推出的 Deep Research（深度研究）功能，科技社区出现了不同的声音。有用户在实测后发现，尽管该功能能够准确完成任务的核心要求，但生成内容的篇幅普遍较短，缺乏深度展开。与 Google Gemini 和字节...
AI推理实测：Claude优雅攻克Grok未能解决的“双星”物理极难谜题
科技社区近日曝光了一道被称为“守望者双星”的AI极限测试题，该题目融合了广义相对论、脉冲星轨道动力学以及包含黄金分割比的复杂非线性微分方程，旨在挑战大模型的长链条推理能力。据反馈，此前专门用于测试Grok的这道难题并未获得完美解答。然而最新...
国产大模型能否打破“不可能三角”？开发者社区热议现状与未来
近日，科技社区发起了一场关于国产大模型（如 Kimi、豆包）与国外头部模型（Claude、GPT）的现状讨论。尽管国产模型在价格上具有优势，且近期出现了 Kimi 2.6 等表现亮眼的产品，但资深技术用户普遍仍倾向于通过公益站或中转渠道使用...
为什么大多数 AI 评测天生在奖励遗忘
过去两年，AI 圈最荒唐的事之一，不是模型会胡说八道，而是我们一边用“单题过关”的方式评测系统，一边又装出惊讶：为什么这些系统不会真正变好。我的判断是，大多数所谓 Agent benchmark，从设计上就不是在衡量成长，而是在惩罚成长；不...
本地大模型横评：Gemma 4-26B 意外击败 Qwen3.5，夺得综合性能与速度双料冠军
本次评测基于 RTX 4090 平台，对比了 Gemma 4-26B、Qwen3.5-27B 及 Qwen3-Coder-Next 三款本地代码模型。结果显示，Gemma 4-26B 凭借最快的响应速度（18秒）和最强的综合逻辑能力成为最大...
拒绝“翻译腔”：实测Claude、Gemini谁的中文更懂“人话”
本文针对AI生成内容中普遍存在的“欧式中文”（翻译腔）问题，对Grok 4.2、Gemini 3 Pro及Claude Opus三款顶尖大模型进行了横向评测。测试重点考察模型对长定语、倒装句等典型西化中文的识别与修改能力。结果显示，Clau...
国产大模型 Coding Plan 横评：Kimi、百度、阿里等谁的速度最快？
针对国内 AI 服务从免费转向收费以及 Agent 应用爆发的趋势，一位开发者自费采购了包括阿里百炼、Kimi、MiniMax、智谱、百度、小米等在内的主流国产 Coding Plan（编程大模型服务）。该项目通过自建自动化拨测平台，对各家...