实测对比：编程仍推GPT/Claude，DeepSeek元宝中文表现反超国际大模型
一位开发者近期分享了主流大模型的实际使用反馈。在代码生成领域，GPT与Claude依然保持绝对优势，显著领先于Minimax、Qwen及GLM。然而在中文文案撰写方面，国产模型展现出强劲实力。该用户特别指出，腾讯元宝集成的DeepSeek模...
标签索引 / 第 4 页
大模型评测
这个标签下有 73 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
盘点全球四大权威AI模型排行榜：谁才是性能之王？国产大模型表现如何？
随着大模型技术爆发，各类评测榜单层出不穷，导致用户难以分辨模型真实实力。本文汇总了目前业内公认最可信的四大AI评测基准，包括关注质量与性价比的 Artificial Analysis、侧重高难度未见任务的 LiveBench、中文权威的 S...
代码生成实测：DeepSeek完胜Gemini与GPT-5.4，轻松搞定3D交互魔方
近日一项针对主流大模型代码生成能力的实测引发关注。测试者要求DeepSeek、Gemini 3.1 Pro Canvas和GPT-5.4编写一个支持3D交互与自动还原的魔方网页。结果显示，DeepSeek仅用1分钟便生成了功能完备、视觉真实...
AI榜单时代落幕？Yupp宣布关停，模型竞技场面临生存危机
AI模型竞技场平台Yupp宣布停止运营，引发社区对于AI“免费午餐”减少的讨论。这一事件折射出当前AI竞技场模式面临的共同困境：一方面，公众对于各类繁杂的AI榜单和排名已逐渐脱敏，新鲜感大幅消退；另一方面，普通用户在竞技场中的反馈质量参差不...
国产大模型代码能力实测：GLM逻辑深度不敌Claude，推理速度遭吐槽
本文记录了国产大模型GLM与Claude Sonnet在代码逻辑分析任务中的实战对比。作者通过同一套提示词测试发现，Claude在根因挖掘、隐蔽场景覆盖（如Excel导入Bug）及架构修复方案上显著优于GLM。甚至借由Gemini辅助分析也...
DeepSeek 网页版疑似 v4 模型短暂实测：用户反馈表现优于 Gemini
来自 Linux.do 社区的多位用户反馈，DeepSeek 网页版此前疑似上线了 v4 模型，其前端交互与生成质量在多项测试中表现惊人，甚至优于 Google 的 Gemini。然而，随着近期服务端模型的更新调整，该高光版本似乎已被替换，...
实测 AI “超能力”：为何只有官方 Claude 才能完美触发自动化工作流？
论坛用户测试发现，在启用类似 Claude Code 的“Superpowers”（超能力）功能时，国产大模型及逆向版 Claude 表现不佳。这些模型在接收需求后倾向于直接生成结果，往往跳过了“分析-规划-执行”的标准化工作流，通常只能依...
大模型对比实测：Gemini因过度“讨好”用户遭吐槽，Claude批判性思维更胜一筹
近日，科技社区热议Claude与Gemini在实际应用中的表现差异。一项针对毕业论文的盲测显示，Gemini倾向于给予不切实际的赞美和“彩虹屁”，缺乏实质性纠错能力；相比之下，Claude能一针见血地指出论文缺陷。这一现象揭示了当前AI大模...
开发者实测：GLM 代码生成频现低级错误，准确性落后于 GPT 与 Kimi
近日，一位开发者反馈在使用 GLM 最新模型辅助编程时遭遇滑铁卢。在学习 TypeScript 条件类型时，GLM 生成的代码示例存在低级语法错误，且在用户提示后无法修正。经对比测试，同期的 Kimi、豆包及 GPT 均准确指出了该错误。该...
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...