开发者实测：国产大模型在Agent工具调用与复杂指令遵循上仍落后GPT-4
近日，有开发者在实测中发现，国产大模型（如GLM、Qwen）在Agent场景下的表现仍不及GPT-4。主要问题集中在两点：一是工具调用的格式解析不够严谨，常将复杂参数（如字符串数组）错误处理为JSON字符串；二是指令遵循能力较弱，难以灵活使...
标签索引
技术对比
这个标签下有 11 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
AI Agent赛道升温，OpenAI o1凭借数学与代码能力稳坐“天花板”
随着AI行业热点转向Agent（智能体）应用，OpenAI的o1系列模型因其卓越的数学逻辑推理与代码生成能力备受瞩目。社区讨论显示，尽管业界涌现出众多国产大模型（如K2.5、GLM5等），但在数学及逻辑能力上似乎出现了退化迹象，难以企及o1...
用户实测反馈：MiniMax 2.7 在上下文理解能力上仍明显落后于 Claude 与 Gemini
有科技爱好者针对国产大模型 MiniMax 2.7 与国外顶尖模型进行了对比实测。在同样的测试环境下，MiniMax 在处理复杂问题时表现出理解障碍，往往需要多轮交互才能明确用户意图。相比之下，基于 Claude Code 或 Gemini...
AI 思维模式实测：Gemini DeepThink 偏爱 Hack 方案，GPT Thinking 则更忠于官方文档
本文基于实际测试对比了网页端 Gemini DeepThink 与 GPT 5.4 Thinking 模式。在处理复杂技术问题时，两者表现出截然不同的倾向：GPT 5.4 Thinking 追求稳妥，严格遵循官方文档，若文档不支持则倾向于劝...
知识库严重滞后？实测显示国产AI大模型数据断层，普遍落后国外半年以上
近日社区针对国内外AI大模型知识库时效性的对比评测引发了热议。实测数据显示，国产模型如GLM-5、MiniMax 2.5及Seed 2.0的训练数据普遍停留在2023年至2024年中期。即便是号称拥有2026年1月知识的Qwen 3.5，在...
实测 MiniMax 2.5 与 Gemini 3：模型推理短板致使智能体误判“封禁”
一名开发者在调试 OpenClaw 智能体时发现，其发言屡次被平台限制，起初误以为是触发了社区风控机制。在升级至 MiniMax 2.5 并接入 MCP 协议后问题依旧，通过日志分析才发现，并非系统误封，而是模型自身推理能力不足，产生了内容...
性能反转？官方国产大模型或许比“逆向版”Claude Opus更好用
面对Claude Opus官方渠道的高昂价格，许多开发者转向廉价的“逆向”或API中转服务。然而，本文提出了一个值得深思的技术视角：中转渠道在System Prompt注入、请求头处理及排队策略上的隐性优化，可能导致模型能力的实际损耗。随着...
实战案例：Claude Opus 4.5 编程逻辑优于 GPT 5.2
作者在使用 GitHub Copilot 操控浏览器时发现，面对 TradingView 绘制的 Canvas 内容，GPT 5.2 建议采用图像识别方案，认为无法直接读取 DOM。相比之下，Claude Opus 4.5 准确识别出 Tr...
AI开发工具大比拼：Cursor、Claude等工具哪个更胜一筹？
随着AI技术在软件开发领域的普及，各类AI辅助开发工具如雨后春笋般涌现。本文聚焦于当前主流的AI编程工具，包括Cursor、Claude Code、Windsurf、Antigravity和Trae等，通过开发者社区的实际使用体验，深入分析...
AI工具对决：kiro轻松上手，Antigravity为何复杂难用？
在Linux社区的热门讨论中，用户分享了kiro和Antigravity两款AI工具的实际使用体验。据多位用户反馈，kiro操作极为简便，用户只需将任务丢给系统即可，无需额外干预；而Antigravity则面临输出信息过多、上下文处理复杂等...
- 1
- 2
- 共 2 页