首页

硬核横评

主流 AI 工具的真实场景对比测试,含独家数据与对比表格。

同一张自测表 24 项第一,为什么还不能说赢

百度官方模型卡给出一张 30 项评测表,把 ERNIE-5.5-Flash-Base(280B/14B)与 DeepSeek-V4-Flash-Base(284B/13B)、Hy3-preview-Base(295B/21B)、MiMo-V2.5-Base(310B/15B)放在同一套评测框架、相同 prompt 与 few-shot、同一裁判模型下对比。官方自测口径下 ERNIE 在 30 项中拿下 24 项第一,MMLU 93.3、MMLU-Pro 78.4、HumanEval+ 82.3、LiveCodeBench 40.1、RepoQA 91.7;另有 6 项不是第一,包括 ChineseSimpleQA、BBH 思维链、INCLUDE-lite、FullStackBench、HELMET-Rerank 与 InfiniteBench。本文不是许可证横评,只谈这张自测表能说明什么、不能说明什么:仍是厂商自己跑的自测且未见第三方复现,四款都是未经后训练的 Base checkpoint,分数不等于聊天或智能体体验,不同榜单设置不同严禁跨榜比较;并给出激活占比、KV cache、128K 训练与 1M 推理外推、后训成本等选型维度。

2.8 万亿参数开源了,然后呢?1.56TB 怎么落地

Kimi K3.1 Pro 的 2.8 万亿权重已开源,但约 1.56TB 的 MXFP4 体量让落地路径本身成为一个决策。2026 年 11 月 5 日实抓四条路:官方 API(platform.kimi.ai,模型名 kimi-k3.1-pro);聚合渠道 OpenRouter 的 moonshotai/kimi-k3.1-pro(上下文 1048576、模态标注 text+image+video、每百万 token 输入 2 美元、输出 10 美元、缓存读 0.2 美元);自托管下载(HF 官方页 797 下载、hf-mirror 境内可达、ModelScope 已上架、unsloth 等第三方镜像有校验风险);等待量化生态(官方无量化分支)。官方推荐 vLLM 与 SGLang。附完整对比表与选型建议:绝大多数人选 API,自建只属于有集群的团队。

单价降了三成,账单为何没降:API 价格横评

每百万 token 标价在降,账单未必降:横评拆解大模型 API 的单价幻觉——输出冗长(Artificial Analysis 测 K3.1 Pro 累计输出为中位数 1.7 倍)、缓存命中与未命中价差可达 50 倍(DeepSeek 0.0028 对 0.14 美元)、聚合平台约 5.5% 加价与各类附加费;附多源价格对比表与按工作负载的选型建议,并提醒自托管的成本只是搬家不是消失。

同一张图丢进去,八款旗舰半数视而不见

2026-11-04 实抓 OpenRouter API 共 453 个模型、其中 308 个支持图片输入。用同一 API 的输入模态、上下文与输入/输出/缓存读单价横评 8 款旗舰:tencent/hy4 为 text+image、1,048,576 上下文、每百万 token 0.417/1.2505/0.021 美元,而 tencent/hy4-preview、GLM-4.6、Kimi K2 Thinking、DeepSeek V3.2 在该渠道仍是纯文本。附完整对比表、按场景选型与三条口径提醒:不跨榜比分数、渠道收录价不是厂商官方价、模态标注不等于视觉能力强弱。

你的第一只 3D 模型:六款 AI 建模工具实测

从零到第一只"能用"的 3D 模型:横评 Kimi 3D Make(脚本驱动参数化建模)、Meshy(全管线全能王)、Tripo(速度王)、Rodin(工作室级风格微调)、腾讯混元 3D 与 TRELLIS 2(免费开源自部署)六款工具,覆盖路线差异、上手难度、免费额度、价格与主要短板,附总对比表、对号入座选型与新手三坑(拓扑清理、宣传图落差、有机生物体)。

开源TTS模型对比:八强里第一名的权重不能商用

八款开源 TTS 合成模型横评(星数为 2026-10-31 GitHub API 实测):GPT-SoVITS 64,311(MIT)、VoxCPM 40,862(Apache-2.0)、fish-speech 33,502、index-tts 24,829、CosyVoice 24,196(仓库已迁 QwenAudio org)、KittenTTS 16,717、F5-TTS 15,490(代码 MIT)、breeze-tts 1,230。许可三档是主线:放心商用(VoxCPM2/CosyVoice/GPT-SoVITS/KittenTTS 2);权重非商用(Breeze TTS 2 自托管输出也禁、F5-TTS 权重 CC-BY-NC、Fish S2 Pro 研究限定);条件商用最易误判——IndexTTS-2.5 仅 MAU 超 1 亿或年营收超 10 亿元人民币才需另行授权(LICENSE 原文核实),中小团队实际可用,Fish Drama 3 年营收低于 50 万美元可商用但禁托管、须署名。AA 榜只同快照内比:8 月 26 日快照 Breeze 1215 领先 Fish S2 Pro(1125)90 分;9 月 25 日快照 Breeze 1205 全榜第九、与榜首 Sonic 3.6(1279)差 74 分,跨快照严禁混排。硬件口径取 README 原文:Breeze 7.7/14.4GiB、VoxCPM2 约 8GB(Nano-vLLM RTF 0.13)、IndexTTS-2.5 RTF 0.2065(4090)、GPT-SoVITS RTF 0.028(4060Ti)、KittenTTS 2 nano int8 25MB CPU 可跑。六场景选型各给 1-2 款;落选四款(ChatTTS/MaskGCT/Maya 2/Audio8)带理由一段带过。

旗舰大模型横评:Opus 5.5 Astra Argon 怎么选

AA Intelligence Index v5.0 于 10 月 27 日重榜(私有/隐藏题权重提至 60%、四领域各 25%、旧分全作废),次日 Carbon 以 59 分登顶但买不到——本篇只比能下单的五款:Opus 5.5(58 分,4/20 美元每百万 token、缓存读 0.20 美元、1M 上下文、9 月 22 日发布)、GPT-6 Astra(57 分)、GPT-6.1 Sol(55 分、2/10 美元甜点位)、Gemini 4 Argon(50 分,10 月 13 日全球 GA,介绍期 11 月 30 日截止、12 月 1 日起 4/20 美元)、Kimi K3.1 Pro(46 分开源阵营第一,知识工作 AA-Briefcase 1678 居首、单任务 3.68 美元全场最低,但权重 11 月 4 日前未发布、该分不可下载复现)。分数与推理档挂钩:Opus 5.5 默认 medium effort,低档仅 35 分、单任务 0.98 美元,max 档 58 分、10.04 美元;单任务成本排序 K3.1 Pro 3.68 < Astra 6.24 < Argon 7.68 < Opus 5.5 10.04(美元)。选型按人群给结论:重编码 agent 选 Opus 5.5 搭 Claude Code(Coding Agent Index 62 居首),重知识工作与中文长文选 K3.1 Pro,重性价比选 Sol。全程只用 AA v5.0 单榜口径不混表,Terminal-Bench 4.0 多口径并列注明测量方。

微软MAI-Image-2.7:离修图榜首只差6分

新闻钩子:微软 10 月 27 日发布 MAI-Image-2.7-Preview,在 Artificial Analysis 图像编辑榜(AA-Image-Editing v2.1,2026-10-22 快照)以 1193 Elo 排第 2,距榜首 GPT Image 2.5 Sunburst (max) 的 1199 仅 6 分,场景风格类领先次优 24 个 Elo,相较 2.6 在全部 10 用例/7 类编辑动作均有提升。七款工具横评:微软三代同堂(2.7 无 API 无定价、2.6 系唯一可 API 付费版,Foundry 定价折合约 0.0389 美元/张)、谷歌 Nano Banana 2.1(与 2.6 同为 1151 分,保留蒙版局部编辑与 14 张参考图两项 2.7 未确认的能力,4K 单价以 Google 定价页 0.113 美元为准)、OpenAI GPT Image 2、Meta Muse Image Edit,及即梦/通义万相/可灵三家国产。全文立身之本:AA 榜与 ModelGrep 榜刻度不同(顶分 1199 vs 1151),Elo 严禁跨榜比较,每张表注明榜单与时点。与站内 OCR 文字识别横评的分工:改图不是识别。