当 GPT 试图攻略 Claude：一场关于 AI 智能体交互的另类实验
近日，有开发者发起了一项有趣的 AI 实验，试图利用 Computer Use 等技术搭建桥梁，让 GPT 扮演追求者，尝试在 5 轮对话内让 Claude 产生好感甚至“坠入爱河”。结果显示，表现出典型“理工男”逻辑的 GPT，未能打动被...
标签索引 / 第 3 页
大模型测评
这个标签下有 59 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
一道题耗尽Claude Pro额度？实测Opus、Grok与Gemini的推理差异
一位开发者为了验证Claude Opus是否存在“降智”现象，进行了一场高强度的极限测试。结果显示，面对一道极具挑战性的逻辑难题，Claude Opus表现尚可，仍在认真思考，而Gemini和Claude 5.4却给出了严重的“伪证”或幻觉...
AI 编程实测：Claude 最强但难用，GPT 与 Gemini 谁是性价比之王？
针对国内开发者“Vibe Coding”的实际使用场景，本文对当前主流的四大 AI 编程模型进行了深度实测对比。Claude 虽代码能力最强，但因网络限制及高昂的中转成本，劝退了普通用户；GPT 依托最新模型实力逼近 Claude，且得益于...
实测 OpenCode Go：聚合 Kimi/智谱模型，高峰期稳定但定价偏高
用户对 OpenCode Go 进行了实测，该服务月费约 35.67 元，集成了 GLM-5.1、Kimi K2.5、MiniMax 等多款国产大模型。在下午高峰时段实测中，服务稳定性良好，成功率达 100%。不过，其计费方式较为昂贵，10...
开发者实测 Qwen 3.6 Plus：复杂 UI 代码能力超越 GLM-4，性价比凸显
一位开发者在 V2EX 分享了对通义千问 Qwen 3.6 Plus 模型的实测体验。在模仿 Jetpack Compose 风格 UI API 并对接异构渲染引擎的复杂编码任务中，Qwen 3.6 Plus 表现出了良好的代码生成能力，实...
开发者实测：国产大模型在“情商”与拟人化交互体验上仍落后 GPT-4o
一位开发者在 V2EX 分享了 API 接入实测对比。在保持相同提示词和记忆机制的条件下，他发现将后端模型从 GPT-4o 替换为 Qwen、Kimi、GLM 等国产大模型后，聊天的“真人感”显著下降。这一反馈指出，尽管国产大模型在逻辑推理...
实战测评：智谱GLM被指国产最强，新版本体验已逼近Claude
一篇来自开发者社区的实战测评引发热议，作者基于真实工作场景，将智谱GLM评为国产大模型第一。文章指出，虽然Claude仍被视为业界标杆，但智谱GLM在处理复杂上下文、解决具体编程任务上表现优异，其最新上线的GLM-5.1及5-Turbo版本...
实测揭秘：Claude 惊人的缓存能力或致 Token 计数骤减，GPT 望尘莫及
一位开发者在使用 Claude Max 进行整晚高强度编程后，惊讶地发现后台统计的 Token 数量仅有几百或几千，远低于切换到 GPT 处理同一项目时的几万 Token。这种显著的差异引发了社区对 Claude 缓存机制的热议。这一现象表...
实测：Kimi在复杂算法生成中表现优异，力压GPT与Gemini
在一项针对“随机波形查找峰谷算法”的生成测试中，国产大模型Kimi表现出众，成功生成了完整且正确的代码，而GPT-4、Gemini及Grok等知名模型在该任务上均未能给出满意答案。这一用户实测案例引发了技术社区的广泛关注，讨论认为Kimi在...
避坑指南：开发者实测火山方舟 Coding Plan，豆包代码模型惨败
一位开发者出于对 Claude 额度的担忧，尝试订阅了火山方舟的 Coding Plan Lite，搭配豆包 Doubao-Seed-2.0-Code 模型辅助开发。然而在解决简单的“Grid 布局统一卡片宽度”问题时，豆包模型表现不佳，消...