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...
标签索引 / 第 4 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
拒绝“AI味”与废话：科技社区热议哪款大模型最懂深度沟通？
随着大模型技术的普及，用户对AI的期待已从单纯的“解题能力”转向更自然的“对话体验”。近日，硬核科技社区Linux.do发起了一场关于“当前对话最好用的模型”的讨论。与传统的基准测试不同，此次讨论聚焦于模型在交流中能否消除生硬的“AI味”，...
小米Mimo v2 Pro现身OpenRouter：代码能力遭吐槽，确认为自研非套壳
近日，科技社区针对OpenRouter上出现的匿名模型Hunter Alpha和Healer进行了深度测试。通过分词器特殊Token分析，确认两者均为小米Mimo系列模型，排除了此前外界猜测其为DeepSeek、GLM或Kimi套壳的可能性...
用户实测钉钉AI“悟空”：算力翻倍、强制激活码与付费墙争议
近日，社区用户对阿里钉钉新推出的AI平台“悟空”进行了实测反馈。尽管官方将每日算力从50提升至100，但用户评价褒贬不一。主要槽点集中在登录流程突然要求输入激活码、连接自定义模型需缴纳99元年费以及Token计费模式带来的“消费降级”感。目...
实测五款国产大模型：字节豆包在空间理解与轨迹规划中意外夺冠
本文基于物理轨迹生成的科研需求，通过400次蒙特卡洛仿真实验，对DeepSeek-V3、Qwen2.5、GLM-4.5、字节豆包及MiniMax五款主流国产大模型的空间理解能力进行了严格测评。测试涵盖了2D及3D环境下的多障碍物规避与轨迹连...
独立开发实录：利用AI全栈打造“父母声音讲故事”App，实测Claude与国产模型差距
一位拥有Java后端背景的开发者利用业余时间，借助Claude、Codex及GLM等AI编程工具，独立开发了一款名为“生声念念”的App。该应用结合了Bilibili开源的IndexTTS 2.0与大模型技术，旨在克隆父母声音为孩子生成定制...
AI 编码实战测评：Gemini 3.1 Pro 轻松斩获 93 分领跑，OpenRouter 新模型表现参差不齐
一项针对 OpenRouter 集成模型的编码能力横向测评显示，在构建“高性能前端表格”的实战任务中，模型间表现差异巨大。Gemini 3.1 Pro 表现惊艳，以 93/100 的成绩成为唯一接近完美交付的模型；Gemini 3.0 Fl...
硬核横评｜10款轻量开源大模型翻译能力实测：Qwen 3.5 夺冠，长文本仍是短板
本报告基于 AMD EPYC 和 Nvidia A10 硬件环境，对 10 款轻量级开源大模型进行了系统化翻译测评。研究不仅对比了基础分数，更从语义还原、上下文连贯、Markdown 结构保真及并发性能六个维度进行深度剖析。结果显示，Qwe...
告别“赛博伴侣”：当豆包的记忆只有10天，我重新审视国产AI的定位
本文是一位资深用户对字节跳动豆包AI的深度使用反思。作者指出豆包存在记忆功能上限过低（仅约20条）且旧记忆会被无提示覆盖的严重短板，导致长期交互体验断裂。尽管豆包在搜索专家模式、上下文语音识别及动漫风格绘图方面表现出色，且凭借无需“魔法”的...
实战测评：Mac本地部署AI翻译模型，专用小模型表现力压DeepSeek
针对个人用户在Mac mini M4（16G内存）上本地部署翻译模型的需求，本文提供了详尽的测评报告。作者筛选了Mistral、Qwen、DeepSeek及GLM等主流开源的小参数模型（14B以下），通过自动化脚本对社区长文本进行翻译测试，...