AI产品狙击手

新鲜出炉的 Kimi K3.1 Pro 测评报告来了。这次直接通过官方 API 接入 pi agent，思考深度拉到 Max，一共跑了六道题。先说结论：大部分题目的完成度相当高，只有最后一题翻车了。至于钱包 —— 这次测评总共花了 23 元左右。 第一题：强约束指令遵循。 要求句子生成的结尾依次是 1 到 10，检查是否通顺 —— 全部都是通顺的。 第二题：鹈鹕骑自行车绕土星环的 SVG。 效果可以，转弯没有问题，鹈鹕和自行车的结构也没看出什么大毛病。两个小瑕疵：一是自行车没有挡住另一只脚，感觉两只脚都在同一边踩；二是土星下方穿帮了，土星环应该在土星图层上方。 第三题：复合弓射箭 SVG。 整体真的是个很棒的实现。两个小问题：箭羽反了；平射出去的箭突然往上蹿。 第四题：实现一个精美的浏览器操作系统。 UI 看上去不错，这些 widgets、桌面背景和布局都比较喜欢。右上角弹窗功能没有问题，只是日历的日期高亮不该用椭圆，这是个不好的设计；Dock 栏应用的功能也都没有问题。压轴的太空射击游戏画面不错，3D 感也出来了，上下左右按键都能控制，挑不出什么毛病。 第五题：实现一个 ...

大语言模型、生图模型、视频生成模型的测评 benchmarks 我们都做过了，还差语音生成模型和语音解析模型，这块基本补全。这次先把语音生成的部分补上——同样是 6 个 cases，从不同维度来测评每个语音生成模型的能力。第一个上刀的是豆包最新的豆包 TTS 2.0。完整题面和后续模型的横向对比，可以看语音合成模型测评专页。 第一题：克隆音色与参考音频一致性。 先放我的原音频，再放克隆后读同一段文字的效果——说实话，基本听不出和原音频有什么差别，挺棒的。唯一的瑕疵在英文术语上：「O4 Mini」被念成了「O4 命令」。 第二题：复杂符号、歧义数字与技术格式识别。 整体不错，但有两个小问题：一是「订阅费 3.45」前面的「元」符号没有生成；二是「速度 90 tokens」念成了 token 每秒之外的意思，单位不对。 第三题：多音字、生僻古音与轻声儿化。 这道题翻车比较明显，一共有 6 个地方读错了，大家可以对着题面认真对一对。 第四题：跨语言切换与外来人名。 英文人名读错了，中英日切换和英文长句的其他部分都还好。 第五题：音效标记控制。 这个模型的控制词格式是这样的，但非常...

这次直接在谷歌 AI Studio 上测，设置好对应参数然后生成，再逐个维度看结果。 维度一 主体完整性与跨帧一致性：少了鹈鹕嘴上叼着的那只倾斜玻璃瓶；筷子本该只有一根，它这里是两根。 维度二 肢体与机械推理：提示词写明左翅膀要扶着车把，视频里没有。 维度三 多层镜面空间推理：问题最集中的一维。从手机取景器的内容看，用的不是后置摄像头对着玻璃墙自拍；实景中倒后镜在左边，镜子里却在右边，还和实景中的铃铛跑到了同一侧；镜子里单车链和车链盖子跟实景也是反的；最明显的是实景车子确实在往前走，镜子里却是原地踏步。 维度四 中文文本与时钟渲染：时钟的指针位置不是 3 点 45 分，横幅里面的「鹈鹕」两个字也写错了。 维度五 液体与折射物理：提示词要求自行车前面玻璃碗的水满到快溢出来，这里明显不是。 维度六 运镜、构图与光影：光影等没有问题，但骑行方向有问题。提示词要求成年鹈鹕骑复古自行车沿平缓弧线向前骑行，它却是向着镜子骑行的——这很明显是为了满足在这个机位能看全提示词所需要的物件而调整的，正确的拍摄角度应该是把摄像机放在右边来拍，这样既能看到鹈鹕正常往前骑行，又能看到完整的镜面反射。...

在这个各种 AI 编程工具和模型层出不穷的时代，今天给大家推荐一款必须尽快用起来的开源本地 AI 网关——Magpie。它的核心理念非常直接：在你本机启动一个高性能网关，把你手头上所有的 API Key、登录中的平台订阅账号以及各大模型厂商赠送的免费额度全部接入并集中托管，让手头的各种 AI 编程 Agent 能够毫无阻碍地共享调用这些模型。 有了 Magpie，多 Agent 协同切换模型变得极其丝滑。比如你在 Claude Code 里想随时调用 Kimi 就调 Kimi，在 Codex 里想切 DeepSeek 就切 DeepSeek，只需在配置里点两下就能即刻生效。项目在 GitHub 开源仅一个月左右，就已经迅速斩获了 18,000+ 颗 Star，受到了全球开发者的高度关注。 对于喜欢高效利用各种模型资源和薅羊毛的开发者来说，Magpie 的体验尤为惊艳。你在 OpenCode 里已经配置好的 API Key，Magpie 能直接提取并无缝导入到 Claude Code 中，转头就能在另一边直接使用对应模型。如果你在同一个厂商手里储备了多个账号，当其中一个账号的...

上一集预告了 OpenGCUA 的实操教程，这一期直接上手。OpenGCUA 是阿里通义开源的通用计算机操作智能体框架，可以用相对最小的 token 消耗去控制手机和电脑（上一集回顾）。 安装很简单。打开 GitHub 上对应的开源项目，把仓库地址复制下来，然后打开你用得顺手的 harness——我平时在 AI 办公上用千问办公——把链接直接丢给它，让它帮忙安装，不用多久就会装完。 装好之后要配置大语言模型。打开安装目录，我这里配的是 DeepSeek，于是用 vim 之类的编辑器打开 packages/harness/configs 下的 local.json 文件，照着我这份配置文件填好自己想用的大模型就行。不知道怎么配的直接问你正在用的 harness，让它帮你配。 配置完执行命令启动 Web UI 服务，它默认在 8800 端口打开，用浏览器访问这个端口就可以开始玩了。界面左边能看到它可以控制手机和电脑等设备，右边直接输入提示词让它干活。 第一个演示是文件分类。我准备了一个塞满杂乱内容的文件夹，如果按传统 computer use 的做法，它得一...

现在的 AI 操控电脑基本就两条路。要么是 computer use 纯点击 GUI——本来一行命令能搞定的事，非要反复点来点去，AI 截图截到手软，你看 TOKEN 消耗账单时脚软；要么就是纯跑命令，遇到要操作图形界面的就傻眼。 通义千问团队刚开源的这个叫 OpenGCUA 的项目，就是把这两件事给统一了。它是一套让 AI 操控电脑的完整框架，模型自己决定什么时候截图、什么时候点鼠标、什么时候直接跑命令，不再每步都强制截图。效果上，平均每个任务少走 53% 的步数，分数还能再涨 19 分。 你只要有台 macOS 的苹果电脑，配置好 API key，接上 Deepseek 或者通义千问等大语言模型，AI 就能帮你操作桌面应用、跑脚本控制浏览器。比如让它帮你查邮件、填表格，做自动化都可以直接下指令。 更厉害的是，它支持跨设备统一接口，电脑、手机、浏览器用同一套接口就能控制。搞 AI agent 研究、自动化，或者想自己搭电脑控制智能体的兄弟，真心建议码住，先拿官方示例跑一遍，看看 AI 操控电脑这件事到底靠不靠谱。 访问入口

MiniMax M3.1 Flash 的 Claude Code 版测评报告来了。前两个视频我们是在 PI 上测的，然后评论区直接炸了锅：不少粉丝说，同样的测试用例，怎么在 Codex、在 Claude Code 上面跑效果好这么多？看看人家 AA 上的评分，再看看人家在 Agents Last Exam 的评分，你是不是本来就不该在 PI 上测呀。 粉丝的建议，那当然是要听的。我们所有模型基于 PI 测评，主要是想避开 harness 对我们测评模型原生能力的影响。但 Minimax 的强项是 agent 的工具调用能力，所以这次准备在当前最强的 Claude Code 上面再测一次，看下效果如何。 第一题强约束指令遵循句子生成测试。先检查一下结尾是不是都是从 1 到 10 结尾的——第 6、8、10 句不是。我们再看是否通顺，我认真看了下，基本都是通顺的，没有看到什么问题。这个表现还是挺不错的，毕竟这道题基本没有几个大语言模型能做到全对。 第二题鹈鹕土星环骑自行车 SVG 测试。大方向上，这个转弯效果看上去挺不错的，但是小问题还是有的：首先这个鹈鹕身体有点奇怪，怎么中间...

最新 Krea 3 测评报告来了。模型刚刚上线，OpenRouter 还没有接入，只能到官网用免费额度测。好，开始吧。 第一题中文长文本排版，画一张水彩风珠海五天行程插画。第一天的渔女形象肯定不对了，日月贝还可以；渔女的「渔」字被写成了推荐的「荐」字，往下看也不用再细究——这张图里的中文看上去没几个是对的。海外模型对中文文字支持看来是不大行，有相关需求的记得不要找它。 第二题文生图综合能力，左撇子咖啡馆写信。整体画风还可以，但问题不少：左右手反了，应该左手拿笔、右手拿烟斗；中文字是错的（第一题已经判定）；杯子清水应该满到快溢出来；墙上时钟的时间也错了，要求是 3:45。 第三题同一角色多视角一致性，女孩四宫格。提示词要求单手抱着猫咪，这里没有一个是对的；猫咪应该是异瞳，但第四张图错了；女孩应该缺了个门牙，第一张图缺了两颗，第四张图缺的不是门牙；图 1 和图 2 发夹的位置一个在左、一个在右，三张可见发夹的图片形状也都不一样，一致性有问题；图 2 的草莓挂饰在女孩右手边，图 3 和图 4 却在左手边。 第四题物理常识，女孩落地镜自拍和水杯筷子折射。镜子里女孩手机拿反了；实景中...

今天的千问办公实战，分享一个可能比较小众的技巧。找工作或者见客户之前，大家通常都想提前摸清楚对方公司的底细，但上网搜信息太杂，问 DeepSeek 又怕幻觉。 这个时候可以试试千问办公上的这个 Skill，名字就叫「公司调研」。它会从基本面、业务产品、竞争格局、经营财务、最新动态、SWOT、护城河强度和风险清单等多个维度，把一家公司的底细摸清楚。 比如最近李尚龙不是说他并购了一家叫 AIFA 的公司嘛，我就用这个 Skill 让它调研下这件事以及这家公司。它最终会从刚才说的不同角度，帮我们起底这家 AIFA。 如果仔细看，会发现这里面存在各种的坑和操作，这里我就不详说了，以免引火烧身——我只是想跟大家分享这个千问办公的实战技巧而已。 建议正在准备跳槽或者见新客户的同学，先把对方公司丢给这个 Skill，看看它能挖出什么不为人知的秘密。 访问入口

老板甩过来一张密密麻麻的销售 Excel 表，你还在手动做图表、加班到崩溃？其实 10 分钟就能变出高级数据看板。 这一期是「千问办公实战」第 32 集。打开千问办公，装上 AI 表格可视化技能，把这份销售表格上传上去，然后用一句话让它生成钉钉数据看板，不用再对着 Excel 一行行拉图表、调格式。 视频里完整演示了从上传文件到生成看板的过程：数据交给 AI，图表和版式它自己安排，原本要熬夜做的东西几分钟就能交差。经常要出周报、月报和经营分析的同学，跟着跑一遍就知道能省多少事。 访问入口