国产大模型实测：智谱GLM受推崇，DeepSeek被指“名不副实”
科技社区Linux.do近期引发关于“最强国产大模型”的热议。多位开发者对比了智谱GLM、Kimi、MiniMax及DeepSeek等头部模型。用户反馈显示，智谱GLM凭借稳定性获得青睐，Kimi与MiniMax表现中规中矩。值得注意的是，...
标签索引
AI实测
这个标签下有 10 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
实测ChatGPT教育版账号：解锁5.5思考模型，高级额度成谜
近日有技术社区用户分享了ChatGPT K12（教育版）账号的实测情况。此前该账号无法调用Codex且显示无额度，引发对平台适配性的质疑。然而最新发现显示，K12账号现已获得网页版最新“5.5 thinking extended”模型的访问...
实测DeepSeek超长上下文短板：400K窗口下Agent逻辑失效陷入死循环
一位开发者在社区反馈，在使用DeepSeek进行多终端项目重构和Debug时，发现当上下文超过400K时，模型出现严重的注意力机制缺陷。主要表现为无法区分A-E五个不同终端，将所有输入错误指向A终端；在Debug过程中陷入“加埋点-收集日志...
GPT5.5上下文疑似受限：实测无法突破258k，远低于宣传规格
有开发者在Codex应用中发现GPT5.5的上下文窗口存在疑似Bug。尽管配置文件已正确修改，且同环境下的GPT5.4能正常触发接近1M的上下文，但GPT5.5却被限制在258k，并伴随自动压缩现象。这一实测结果与OpenAI官方宣称的40...
手写字识别实测：腾讯元宝意外胜出，Kimi与Gemini惜败
针对手写小说电子化的实际需求，作者横向对比了Gemini、DeepSeek、Kimi、豆包、文心一言等十余款主流大模型及传统OCR工具。结果显示，尽管Gemini等多模态模型备受推崇，但在处理潦草手写体时存在幻觉或准确率不足的问题。传统扫描...
手机端无梯子AI实测：国产大模型能否替代Claude与Gemini？
本文探讨了用户在手机端不依赖网络工具访问AI大模型的真实痛点。尽管Claude和Gemini在电脑端表现出色，但受限于网络连接和多端风控，移动端体验不佳。相比之下，腾讯元宝等国产AI虽然访问便捷，但在处理复杂数据计算和逻辑推理时表现不佳，且...
AI 文案实测：Grok 优化表现超越 Claude，低成本策略引发关注
近日，有科技博主在实测中发现，xAI 旗下的 Grok 模型在文案优化领域表现出惊人的“暴力美学”。通过对比测试发现，采用“Claude 规划基础文案 + Grok 进行优化”的组合工作流，产出的视频文案在播放量和完播率上，均优于仅使用 C...
实测对比：GLM-5与Claude Sonnet 4.6谁更适合稳定开发？
一位开发者在社区分享了国产大模型GLM-5与Anthropic最新模型Claude Sonnet 4.6的实测对比体验。在准备将其用于付费工作项目的测试中，开发者发现尽管两者整体表现尚可，但GLM-5在处理Docker部署等具体工程任务时仍...
避坑指南：ChatGPT 5.4 上下文占用超 40% 即现严重幻觉，实测暴露注意力瓶颈
在 Code CLI 平台针对“ChatGPT 5.4”的深度实测中发现，尽管官方宣称拥有 1M 的超大上下文窗口，但在实际高强度使用中存在严重缺陷。当上下文占用超过 40% 时，模型性能会断崖式下跌，表现出代码残缺、逻辑断裂及严重的幻觉现...
真实项目实测：Gemini 3.1 对决 Claude Opus 4.6，谁才是最强代码助手？
一位开发者在实际项目中对比测试了Gemini 3.1 Pro与Claude Opus 4.6的代码生成能力。结果显示，Gemini采用“速度优先”策略，虽然工具调用并发效率高，但在源码理解上存在明显短板，导致测试阶段经历了8轮试错，且出现重...