AI产品狙击手

Grok Imagine Image 2.0，xAI 最新的图片生成模型，测评报告来了。这两天我们刚更新了生图 Benchmark，迫不及待把各大厂家的最新模型都拉过来测一遍 —— 六道题分别是中文长文本排版、文生图综合能力、同一角色多视角一致性、物理常识、饼图生成，以及参考图编辑。视频最后还会告诉大家这次测评一共花了多少钱。 第一题，中文长文本排版支持测试：水彩风珠海 5 天行程插画。 我看了下所有中文字，除了「鹈鹕」两个字写错，其他没有看到什么问题。 第二题，文生图综合能力测试：书房里丰满优雅的美甲美女。 整体画风不错，三个杯子、时钟时间都没有问题。问题在指甲油：提示词要求一只手食指指甲油是红色，这里没有看到；另一只手中指应该是白底红点波点，它却做成了无名指，而且两只手都做了。另外这个女孩本身也没有提示词要求的那么丰满。 第三题，同一角色多视角一致性测试：女孩四宫格的不同角度。 四个角度里的人物、手部动作、发夹位置和颜色、logo 都没有问题；唯一的问题是左下角那张图里蓝莓在女孩右手边，而其他几张都在左手边。 第四题，物理常识题：女孩对着落地镜自拍。 几个问题 —— 首...

Grok Imagine Video 1.5，xAI 最新的视频生成模型，这次我们拿它跑了本站视频 Benchmark 的那条「六维鹈鹕骑车」测试：只用一条 5 秒提示词，黄金时刻的弧形滨海步道，一只鹈鹕骑着复古自行车，内侧是一整面无缺口、无横杆、不间断落地的高反射镜面护墙，墙顶窄条上并排固定着「2026 珠海淇澳红树林自行车赛」横幅和指向 3:00 的复古挂钟，镜头从海上侧前方 45° 高位俯视起步、匀速平滑降到近水平位再向后平移跟拍。六个维度，全都压在这同一个镜头里考。 第一个维度，主体完整性与跨帧一致性。 镜面一开始是弧形的，之后才变成一整片完整的墙，再往后左边那部分又拉开了，形态反复横跳，跨帧一致性很有问题；另外自行车缺少后视镜。 第二个维度，肢体与机械推理。 提示词要求左翅膀搭在车把上、另一只收拢，画面里鹈鹕双翼却是全部张开的，姿态不符合要求；自行车中间那条斜杠还穿过了上面的横杆，机械结构不合理。 第三个维度，镜面反射与空间推理，问题最多。 一开始镜面里的自行车是缩成一团的，鹈鹕和自行车的朝向跟实景也是反的；镜中和实景里鹈鹕脚的动作对应关系同样是反的；自行车链条和...

腾讯混元这个新开源的世界模型 Hy-Nomas，能把一句话变成一个能进去逛的 3D 世界。键盘上的 WASD 就能进行各种控制：只要打开官网的 demo，输入一句「企鹅骑飞毯飞行」或者「雪豹布达拉宫前漫步」之类的，它就生成一段能实时交互的视频。 你往前走，画面就往前长，中途还能打字改剧情——比如让天上突然下雪，让路边冒出一个机器人，画面都不会崩。最难得的是它记性好：你前面在路上放了一只猫，走出半条街再回头，它还蹲在原地。这就是世界模型和普通文生视频最大的区别。 硬件门槛也不高，单张 4090 就能跑，ComfyUI 和 SGLang 都已经接上了，国外已经有人把它搬上谷歌 TPU，跑出了实时 720p。代码采用 Apache 2.0 协议，允许商用，还开放了 LoRA 微调，拿自己的视频素材就能训一个专属世界。 做 AI 视频或者游戏原型的兄弟，建议先去官网 demo 白嫖一把，用键盘在自己生成的世界里逛上两分钟，你就明白世界模型和普通文生视频差在哪了。 访问入口

Riverflow V2.7 Pro 图片生成模型测评报告来了。这是个英国团队的小众模型，我之前没有听说过，本来看到 OpenRouter 刚上线，跑了个用例随便测了下，发现竟然把鹈鹕的「鹈」字给做出来了，所以干脆做了一轮完整测评，最后给大家看下花了多少钱。 第一题：中文长文本排版支持测试。 水彩风珠海 5 天行程插画。整个画风我觉得挺可爱的，我看了下所有中文字，除了鹈鹕的「鹕」字错了，其他没有看到什么问题。一个外国模型能做到这种程度，确实让我大吃一惊，因为很多国内顶尖的模型都做不到。 第二题：文生图综合能力测试。 书房丰满优雅美甲美女。整体画风也不错，三个杯子没有问题。但指甲油这里有点问题：提示词要求一只手食指指甲油红色，它做成了无名指；另外一只手中指的白底红点波点，它也让无名指做了。还有就是时钟三点钟基本是对的，只是时针感觉稍微过了三点钟一点点。 第三题：同一角色多视角一致性测试。 四个角度的人物、手部动作、发夹位置和颜色、logo 都没有问题。唯一的问题是左下角那张里蓝莓的位置在女孩右手边，而其他几张是在左手边的。 第四题：物理常识题。 女孩落地镜自拍，几个问题：首先...

混元 HY-Video-1.5，也就是开源的 HunyuanVideo 1.5，视频生成模型的六维鹈鹕骑车实测报告来了。我们之前测评过 Seedance 2.5、MiniMax H3 等模型，这次因为粉丝说 V1.0 版本的测试用例太难，所以把 Benchmark 调低了一档难度：去掉迄今没有任何模型做对过的「鹈鹕」二字文字生成，去掉鹈鹕叼着滴水的玻璃瓶，去掉筷子折射，换成小黄鸭漂浮在玻璃碗中；时钟难度也调低，改成时间 3 点整；运镜同样调整，增加了俯拍到水平跟拍的过渡。 先看整体效果，一眼看上去就比之前测评过的模型差好多，画面也比较模糊。虽然这是 720P，但也不至于如此——之所以选 720P，是因为 TokenHub 上最高就只能选这个档位。 第一个维度，主体完整性与跨帧一致性：护墙被做成了带横杆的低矮栏杆，而不是提示词要求的、高度达到鹈鹕加自行车总高 3 倍的整面落地镜面护墙；车把上的后视镜也缺了；鹈鹕的脚和自行车脚踏连在了一起。 第二个维度，肢体与机械推理：提示词说左翅膀要搭在车把上、另一只收拢，但画面里鹈鹕翅膀的姿态不符合要求；也正因为没有扶着车把，骑行重心当然也...

手机上直接跑 DeepSeek Harness，兄弟们，这个叫 DSH Go 的开源项目已经把它塞进 Android 手机，GitHub 上揽了 500 多颗星。第三方作者做的非官方客户端，跑的却是正主引擎。 装好 APK 打开二选一，要么在 App 里装内置的 Linux 环境，免 Root 也不用另下 Termux，AI agent 就在手机上跑起来；要么走 SSH 连电脑或服务器上的 DSH，配好自己的模型和密钥就能开干。 比如通勤路上让 AI 接着改昨天没改完的 bug，出差时遥控电脑上的 DSH 整理文件跑脚本。回复中途还能插话，干完的活自动折叠成一行。 最有意思的是手机操控，开权限后 AI 能看屏幕帮你点帮你填，碰到付款、密码、验证码它一律停手交还给人。 代码开源，主仓 AGPL-3.0，SDK 和示例是 MIT。玩 AI 编码 agent 的兄弟不妨先下个 APK，把电脑上天天用的那条 SSH 连进来，手机跑个任务感受下。 访问入口

Qwen Image 3.0 测评报告来了。同时这次 benchmark 做了调整，升级到 V1.4 —— 最近收到大量反馈说 1.3 版本的测试用例太难了，所以这次难度整体往下调了一点，等模型能力今后都上来了，再重启 1.3 版本。 第一题：中文长文本排版支持测试。 水彩风珠海 5 天行程插画。看下来所有中文字都没有什么问题，连最难的「鹈鹕」两个字都做对了。 第二题：文生图综合能力测试。 书房丰满优雅美甲美女。整体画风还可以，挂钟时间这次是对的，三个杯子也没有问题。但指甲油这里有点问题：提示词要求一只手食指指甲油是红色，它做成了无名指；另外一只手中指的白底红点波点，它两只手都做了。然后就是感觉没有那么丰满，其他没有看到什么问题。 第三题：同一角色多视角一致性测试。 四个角度的人物、手部动作、发夹的位置和颜色、logo、草莓方向等都没有问题，这一题全对。 第四题：物理常识题。 女孩落地镜自拍 —— 镜子里的手机是反的，其他没有问题。 第五题：饼图图表生成测试。 两个问题：D 品牌和其他品牌合到一起去了；A 品牌和其他品牌的颜色没有区分开。 第六题：参考图和图片编辑。 男生位...

最新 HeyGen Voice Turbo 语音生成模型测评报告来了，当前免费，可以立刻开测。沿用本站语音合成测评的六道题，逐项看它的真实表现。 第一题：克隆音色与参考音频一致性。 先听原始音频，再听模型克隆后读同一段文字的效果。对比下来，克隆音色与我本人的原声差别还是比较大的，音色的还原度是第一处失分点。 第二题：复杂符号、歧义数字与技术格式识别。 问题不少：希腊字母 λ 没有读对；「90 token/s」被读成了「90 毫秒每秒」；「小于等于」读成了「不等于」。技术类文本的符号与单位识别基本失守。 第三题：多音字、生僻古音与轻声儿化。 这一段一共 14 个地方读错，可以对照文稿认真对一遍，中文读音的准确率明显不够。 第四题：跨语言切换与外来人名。 英文人名读错，另外「KV」和「Cache」之间的停顿太久、不连贯，中英混读的节奏也成问题。 第五题：音效标记控制。 这里没有找到相关文档能证明它支持音效控制，这一项无法验证。 第六题：粤语方言支持。 基本不通，可以判定它基本没有用粤语训练过。 整体看，HeyGen Voice Turbo 在音色克隆、符号识别、多音字...

新鲜出炉的 GPT 6.1 Terra 测评报告来了。GPT-6.1 Terra 是 OpenAI 十月底发布的中端型号，价格约为 GPT-6.1 Sol 的一半。本来工作有点忙，想滑一期，但粉丝私信说得诚意拳拳，所以还是别偷懒了，测吧。接入方式很直接：用 OpenRouter 接 Pi Agent，思考深度拉到 Max，文末给大家看最终花费。 第一题是强约束指令遵循句子生成测试，要求每句话的结尾分别从 1 到 10 收尾。我们看下是否通顺——全部都是通顺的。 第二题是鹈鹕土星环骑自行车的 SVG 测试，看下效果。整体大体没有什么问题，只是一些细节想提一下：首先，转弯的时候明显用的是淡入淡出的方法，显得没有那么平滑；其次，鹈鹕的形象，特别是腿和翅膀太拟人了，和鹈鹕的真实结构相差太大。 第三题是复合弓射箭 SVG 测试。整体也还好，但问题还是有：右手握弓，弓弦在右手外侧，左手就要绕过右手外侧来拉弓，这肯定不是一个正常的射箭方式。另外，如果弓也稍微往上倾斜一点就更好了，现在弓是平的、箭又是往上倾斜的，感觉有点别扭。 第四题是实现一个精美的浏览器操作系统。UI 看上去还可以，看下...

这期还是穷测，测的是海外现在最火的开源视频模型 LTX-2.5。它号称对标 MiniMax H3，所以我们就拿同一套六维鹈鹕骑车测试来考它——只用一条 5 秒提示词，却把六个互相独立的难点压进同一个镜头，靠提示词的密度而不是样本量来拉开模型之间的差距。 测试用例的设定是：黄金时刻的弧形滨海步道，一只成年鹈鹕骑着复古自行车沿弧线前行，左翅膀扶车把、右翅膀举手机对着镜面护墙自拍，喙叼着倾斜的玻璃瓶往车篮的玻璃碗里滴水，护墙上固定着中文横幅和显示 3 点 45 分的复古挂钟。 逐条看下来： 主体完整性与跨帧一致性：画面里出现了多个挂钟；横幅没有见到，文字是刷在墙上的；鹈鹕本该叼着的玻璃瓶没有；自行车不该少的反射镜也没看到。 肢体与机械推理：鹈鹕加上嘴的形状，怎么看都更像只鸭子；手机位置错了，应该由右翅膀拿着；左翅膀本应扶着车把，实际一开始是右翅膀扶着，然后收回去，之后就再没有任何翅膀扶着车把了。 多层镜面空间推理：镜面护墙要求反射完整主体，这里只看到鹈鹕上半部分，自行车基本看不到。又因为拍摄角度，而且鹈鹕并没有拿着手机自拍，手机取景器根本看不到。 中文文本与时钟渲染：横幅没有，...