开发者实测：OpenAI 生成前端界面被指“灾难级”，Gemini 与 Opus 表现更优
近期，有开发者在社区发帖对比测试主流AI大模型的前端代码生成能力。实测结果显示，OpenAI 的模型（文中称为 Codex 5.4）在处理前端设计时表现堪称“灾难级”，不仅生成的界面外观简陋，甚至无法准确理解基本的业务需求。尽管消耗了大量 ...
标签索引 / 第 2 页
大模型对比
这个标签下有 24 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
告别“昏君”模式：开源工具 Prism 助你同时对话三大 AI 模型
针对单一 AI 模型可能存在的谄媚顺从或认知偏差问题，V2EX 网友分享了一款名为 Prism 的开源解决方案。该工具通过简单的插件加载机制，支持用户同时向 ChatGPT、Gemini 和 Claude 发送指令并进行对比。这种“兼听则明...
20万条微信聊天记录分析实战：Gemini与ChatGPT谁的数据处理能力更强？
针对拥有20万条体量的微信聊天记录分析需求，社区用户就Gemini与ChatGPT的能力进行了对比探讨。分析重点在于人物情感档案构建等心理层面的挖掘。讨论中一种观点倾向于ChatGPT，指出其“思考模式”在逻辑可靠性上表现更优，且具备调用P...
大模型实测：Grok Agent 准确答题，豆包研究模式为何频频“幻觉”？
本文通过一个具体的冷门音乐歌词查询，对比了 Grok 4（Agents 模式）与字节跳动豆包的表现。结果显示，Grok 能够准确调动搜索并给出正确答案，而豆包即使在开启了思考模式和研究模式后，仍出现混淆歌曲、搜索结果质量差以及重复错误答案等...
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...
DeepSeek长文本实测：轻量模型在学术综述生成中表现优于Gemini Pro
本评测来自Linux.do社区，旨在验证DeepSeek在真实长文本场景下的表现。测试选取了50篇Pubmed论文摘要（共2.1万词），要求AI撰写规范的学术综述。对比对象包括Gemini 2.5 Pro、Gemini 3 Pro及Deep...
收录 DeepSeek、Kimi 等 20+ 款热门 AI 工具，这个中文评测站不仅好用代码还很新
一位开发者基于 Next.js 16 和 React 19 等前沿技术栈构建了中文 AI 工具评测网站 aitoolcn.com，旨在填补中文互联网高质量工具评测的空白。该网站已收录 ChatGPT、DeepSeek、Cursor、Midj...
从Gemini转投ChatGPT后的“退货”体验：吐槽信息密度低、搜索被动与知识偏差
一位长期将 Gemini 作为主力工具的用户在转投 ChatGPT Plus 后，对两者的体验差异进行了深度对比，并表达了对 ChatGPT 的强烈不满。该用户指出 ChatGPT 存在三大核心痛点：一是回复逻辑过度追求“分点罗列”，导致单...
OpenAI Codex 5.3 对决 Anthropic Opus 4.6：代码能力与长上下文的博弈
社区实测对比显示，OpenAI的Codex 5.3虽然在体感速度上仍有差距，但在代码基准测试中表现优异，且支持任务中途引导，上下文窗口为40万。相比之下，Anthropic的Opus 4.6以100万token的超长上下文、内置智能体团队功...
Kimi K2.5深度体验：推理能力落后，但胜在执行稳定
一位开发者深度实测了Kimi K2.5，发现其在逻辑推理和代码准确性上仍落后于Claude、Gemini等头部模型，且存在较多幻觉。不过，K2.5胜在执行容错率高且严格遵守规则，优于GLM 4.7。作者建议采用“御三家做设计、K2.5做执行...