AI产品狙击手

本期继续跑 Benchmark 里的两道 SVG 测试题——「鹈鹕土星环骑自行车」和「复合弓射箭」。上一集测的是 GLM 5.3 Flash，这一集轮到千问 3.8 Max 0902 上场。 第二题「鹈鹕土星环骑自行车 SVG 测试」，先看效果。鹈鹕和自行车的结构没有问题，但骑到右边之后，鹈鹕和自行车整个倒了过来。这一点和 GLM 5.3 Flash 刚好相反：GLM 是在上方跑道正常，一来到下面跑道就倒过来。 第三题「复合弓射箭 SVG 测试」同样有几个问题。第一，弓箭明显是反的；第二，人物的右手去拉弓的时候，是穿过了持弓的左手的，属于明显的穿帮。 其他题目这次就不重测了，分数继续沿用 Benchmark V2.1 的测评结果，只有第二、第三题换成本次的新得分。大家翻 Benchmark 数据的时候请注意这一点，我也会在页面上标注出来。 访问入口

本期继续跑 Benchmark 里的两道 SVG 测试题——「鹈鹕土星环骑自行车」和「复合弓射箭」。上一集测的是 DeepSeek V4.1，这一集轮到 GLM 5.3 Flash 上场，两道题都开到最高思考深度。 先说第二题「鹈鹕土星环骑自行车 SVG 测试」。GLM 5.3 Flash 花了 20 多分钟才出结果，而 DeepSeek 应该是 10 分钟之内就做好了，慢得太多。再看画面本身：鹈鹕和自行车的结构没有问题，也确实沿着土星环的环形跑道在骑，但一跑到右边就开始露馅——鹈鹕和车都变成了在跑道下面。可见它并没有真正理解「要在跑道上方骑行」，只是单纯想着要绕着轨道跑一圈。 第三题「复合弓射箭 SVG 测试」同样有几个问题。第一，弓的部件明显是反的；第二，人物射箭的手势完全不对，看起来像是在扯线，更像斯诺克架杆击球，而不是在开弓射箭。 其他题目这次就不重测了，分数继续沿用 V2 的测评结果，只有第二、第三题换成本次的新得分。大家翻 Benchmark 数据的时候请注意这一点，我也会在页面上标注出来。 访问入口

本期视频把祖传测试用例升级到了 V2.2，其中第二、第三道题做了替换：原本的两道推理题换成「鹈鹕土星环骑自行车 SVG 测试」和「复合弓射箭 SVG 测试」，其余题目保持不变。这一集先用这两道新题试水，看看 DeepSeek 最新的 V4.1 Flash 表现如何。 第二题「鹈鹕土星环骑自行车 SVG 测试」出师不利。模型完全没有按照提示让鹈鹕沿着土星环骑行，看起来是对提示词里「土星环环形跑道」的理解出了问题。考虑到这是新题第一次测，我给了它第二次机会重新跑，结果依然不行——自行车踩到环道左右两侧时完全不懂得转弯，而是快要踩出环道的时候突然「闪现」回正确方向。不过值得一提的是，两轮测试里鹈鹕和自行车的结构都没有出现任何问题，画面本身是立得住的。 第三题「复合弓射箭 SVG 测试」同样暴露出三个明显问题：第一，拉弓时上下两个滑轮转动方向相同，但按真实复合弓的机械结构，上面滑轮逆时针时下面应该顺时针才对；第二，人物的两只手像麻花一样纠缠在一起，手部结构明显不对；第三，人物是直面屏幕，而不是面向靶子射击。 需要说明的是，本期只重测了升级后的第二、第三题，其他题目的分数继续沿用 V...

做过 RAG 的人都懂那套流程有多累：PDF、Word、Excel 先解析，再切片、算 embedding，然后灌进向量库。索引建完半小时过去了，文件一改还得重跑。更麻烦的是，检索捞出来的经常是碎片——答不上来的时候，你都不知道到底是模型笨，还是上下文早被切没了。 Sirchmunk 干脆把这层直接撤了。它的判断是：切片等于把文章拦腰砍断，向量化等于把内容压成一串数字，而压缩就有损失；大模型本来就能读原文，何必先去看残骸？于是它靠关键词和文件路径一层层把范围收窄，先锁定是哪一段，再去读那一段。装完 pip、指向你的目录就能开口提问——比如「这鉴权在哪实现的」「去年那份合同付款条件怎么写的」。 配一个 OpenAI 兼容的接口即可使用。Deep 模式十几二十秒就能交出带原文出处的报告，Fast 模式两三秒就出结果。搜完的结果不会丢，会沉淀成一层层的知识树；同样的问题再问一遍，直接命中缓存，省下 Token。数据全程留在自己机器上，模型也可以换成本地的，Docker 四核 2G 就能跑，Apache 2.0 协议可商用。 做 AI 知识库和 RAG 的兄弟可以去试试，建议先拿你...

你现在可以用家乡，或者说任何城市的地图来玩《我的世界》了。这个叫 Arnis 的开源项目，在 GitHub 上已经攒了 17,000 多颗星。 用法很直接：打开软件，在地图上框一块地，选好存档点，真实世界的山脉、河流、马路就按真地形搬进游戏了，连你家那栋楼也会一起出现，房屋内饰都能一并生成。 缩放比例自己调。你可以把老家县城做出来逛一圈，还原自己读过的学校，或者干脆让整座城市变成朋友联机的地图。 数据取自 OpenStreetMap 的路网，加上实测高程，所以地形起伏不是瞎编的。Windows、Mac、Linux 三个平台都能跑。 建议先拿家乡生成一遍——看着你走过十几年的那条街，一格一格出现在方块世界里。 访问入口

第 25 期《千问办公入门》继续聊技能（skill）的用法，这期要解决的是一个很实际的需求——在千问办公里直接生成图片，既不用跳出千问办公，也不用填写任何 API Key。 打开千问办公后进入技能列表，找到「图像创作」这个 skill。它是千问办公官方自己做的，所以我们不需要接入任何 key，装上就能用——对不想折腾 API Key 的用户来说，这是最省事的一条路径，站内就把生图这件事闭环了。 安装完成后，新建一个任务，用斜杠命令唤起这个 skill，接着就可以直接输入提示词让它生成图片了。比如让它生成一张「上海城市微缩图」，几步操作就走完了整个流程。 从实际体验看，生成速度相当快，出图质量也不错。对于一般的个人使用和日常办公需求来说，这个 skill 已经够用了；如果你的生图需求不算重度，就没必要再去单独接一套第三方生图服务。下集见…… 访问入口

今天要分享的是一款 vocal remover AI 工具，它可以把音乐分离成人声和伴奏两条音轨。 先听一下原始的音乐，再来听分离之后的人声——是不是很清晰？接着单独听伴奏，可以看到人声和伴奏已经完全分离开来了。 使用方式也非常简单，直接把音频上传上去，一键就搞定了。 这个工具最大的优势就是免费。市面上不少收费的 AI 工具同样能做到人声分离，但你得先打开那些工具、还得付费，一圈折腾下来并不轻松。所以这个免费方案就显得格外难能可贵。如果大家还是找不到入口，可以在评论区跟我说一声。 访问入口

Kimi K2.8 Preview 的测评报告终于来了。这次测试用的 key 由 B站网友「非著名思想公智」提供，评测依然放在 PI 平台上进行，尽量把 Harness 的影响降到最低，思考模式同样拉到最高。 不过在开始之前有个问题想先问大家：既然 Kimi K3 都已经出来了，为什么现在才推出 K2.8 Preview？知道的朋友可以在评论区聊聊。 推理能力测试 第一题是强约束指令遵循的句子生成，要求所有句子分别以「一到十」结尾。这一题有点大跌眼镜——十句里明显只有第一句和第四句符合结尾要求，通读下来这两句是通顺的。 第二题是新版 24 点，需要给出三个解。结果非常棒，三个解都完全符合提示词要求。 第三题是难度更高的新版密码锁推理，答案是 7294364，判断正确。 编程能力测试 第四题要求实现一个精美的浏览器操作系统。第一版点上去没有反应，毕竟花了几十分钟开发，直接判失败有点可惜，于是让它返修了一次，之后就能正常使用了。右上角的弹窗表现还算可以，Dock 栏里的应用功能也没什么问题，但压轴的太空射击游戏直接报错，这一项不行。 第五题是 3D 赛车游戏。车道方向就不对，游...

小米 MiMo X Pro Preview 测评报告来了！作者申请内测权限等了两天没拿到，多亏群里周黑鸭哥哥帮忙跑完全套祖传测试用例还提供录屏，非常感谢。 第一题：约束指令句子生成 所有句子都按要求以 1 到 10 结尾，通读后发现 4、7、8、9 几句读起来不通顺，第 6 句表达也比较别扭，日常很少会这么描述。 第二题：新版 24 点要求三组独立解法 三组答案全部违规，都重复使用了题目限定数字，不符合规则。 第三题：七位数密码锁推理 顺利输出正确答案。 接着开始代码项目测评，浏览器操作系统系统弹窗正常，UI 中规中矩，Dock 栏应用运行没问题，但是太空射击游戏无法发射子弹，按键和鼠标点击都没有响应。3D 赛车游戏打开之后完全没有交互，看着就像一张静态图，直接测试失败。Trello 看板 UI 风格比较普通，卡片无法编辑标题，列表不能拖动，删除按钮显示禁用状态却可以点击删卡，存在明显异常，仅列表删除功能正常。 整套测试结束，周黑鸭同学反馈本次测评消耗掉 1% 的内测周额度，测评结果留给大家自己评判，欢迎在评论区聊聊你的看法…… 访问入口

Deepseek V4.1 Flash 正式版实测来了！模型刚上线就惦记着测试，抽时间在 pi 平台开启测评，尽量降低 harness 带来的干扰，思考模式直接拉满开始测试。 推理能力测试 第一题 · 强约束指令句子生成：要求全部句子以「一到十」结尾，通读全部语句都通顺达标。 第二题 · 新版 24 点：要求给出三组解法，结果三组答案全都违规——数字重复使用，不符合「每个数字只能用一次」的硬性规则。 第三题 · 七位数密码锁推理：高难度推理题顺利算出正确答案。 编程项目测评 浏览器操作系统：桌面带有动态动画效果，还有精致小组件，弹窗、Dock 应用运行正常，可惜压轴太空射击游戏无法交互，差了最后一步。 3D 赛车游戏：让人眼前一亮，是这么多轮测评里完成度顶尖的作品，画面精致，车辆模型完整，整体效果非常惊艳。 Trello 看板：采用深色 UI，审美因人而异，卡片拖拽动画效果一般，其余基础功能都正常可用。 整套测试下来，24 点推理题和太空射击项目留下遗憾，但 3D 赛车的代码实现确实足够亮眼。大家怎么看待 Deepseek V4.1 Flash 正式版的这套实测表现...