多模态大模型实测：MiniMax-2.5、GLM-5 等六款模型 PPT 生成效果横向对比
科技社区 Linux.do 用户发起了一项针对前沿大模型 PPT 生成能力的实证测试。测试利用 LandPPT 工具，在同一主题“《三体》解析”下，对 MiniMax-2.5、GLM-5、GPT-5.3-codex、Kimi-k2.5、Cl...
标签索引 / 第 7 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
社区热议：DeepSeek多模态短板显现，谁才是QQ群聊机器人的最佳模型？
本文探讨了在即时通讯场景下部署AI机器人的模型选择痛点。发帖者实测发现，目前热门的DeepSeek v3.2存在严重的“人机感”和上下文理解短板，且缺乏原生视觉能力，不得不借助Qwen识图但效果不佳。相比之下，Gemini在多图处理上易出现...
GLM-5 代码能力实测：一键生成交互式“背包问题”动态演示
该文章展示了智谱 GLM-5 模型在代码生成领域的最新实测表现。通过简单的自然语言提示，GLM-5 输出了一个完整的单文件 HTML 网页，实现了经典的 0-1 背包问题的动态规划可视化。生成的代码不仅包含复杂的 Tailwind CSS ...
阿里大模型实测翻车：刚列举的工具转头就不认，高分下的“智障”时刻
近日，有科技博主在实测阿里系大模型时遭遇尴尬场景，引发了关于国产模型“高分低能”的讨论。用户在咨询类似 Claude Code 的国产替代工具时，模型先是列举了多款产品，但随后被追问具体信息时，却矢口否认这些工具的存在，出现了严重的逻辑前后...
AI数学能力大考：这道高中几何题，顶级大模型能拿几分？
社区流传出一道极具挑战性的高中数学题目，涉及直线系方程与特定区域内的面积计算（答案为 $4 – pi$）。该题被用作测试当前主流 AI 模型的逻辑推理能力。实测结果显示，包括 GPT-4.6 Opus 和 3 Flash 在内的...
大模型幽默感测试：DeepSeek惨败，Kimi与GPT-4通过
一项针对主流大模型的“高语境逻辑”测试结果显示，DeepSeek表现不佳。测试题选用了一句关于“蚊子落在蛋蛋上”的英文讽刺句，要求模型理解“打蚊子”不仅意味着暴力，更会误伤自己。在多次测试中，DeepSeek-V3和R1模型全军覆没，未能正...
神秘模型“旋风”实测碾压Claude？AI代码生成赛场再现“暗马”
近日，在AI设计竞技场中，一款名为“旋风”的神秘模型引发热议。通过“查看网页源代码”并进行100%还原汉化的实测显示，“旋风”在布局合理性、移动端适配、视频嵌入及表格美化等方面，均表现优于Claude 4.5s。相比之下，Claude被反馈...
智谱GLM与DeepSeek OCR 2实测对比：国产大模型多模态能力谁更强？
近日，技术社区Linux.do针对国产头部大模型展开了新一轮的实测对比，聚焦于智谱GLM与DeepSeek OCR 2的OCR（光学字符识别）能力。此次对比基于特定的题库，通过五个不同维度的任务，全面评估了两者在文档还原、图文识别及多模态理...
大模型竞技场 LMArena 品牌升级：启用新域名与LOGO
知名的大模型评测平台 LMArena（大模型竞技场）近日完成了品牌重塑。平台不再局限于“LM”的旧有概念，转而启用了更短、更精致的新域名，并同步更新了具有独特设计感的LOGO。此次升级不仅优化了用户访问体验，也显示出该AI行业重要基准平台正...
实测Kimi 2.5：综合体验优于GLM，达Claude Opus八成实力
社区用户抢先体验了Kimi 2.5版本，反馈显示该模型在综合表现上优于Minimax和GLM。测试者指出，Kimi 2.5在指令遵循和Agent智能体能力方面表现尤为突出，整体体验已达到Claude Opus 4.5的80%水平。此外，在未...