AI产品狙击手

又一个神秘模型 Egg Alpha 来了，听说非常能打，跟群里网友借了个 key，在 Pi 上接入、思考深度直接拉到最高测了一轮。 第一题是强约束指令遵循的句子生成测试。第五句不是数字结尾，其余句子结尾是对的；再看通顺度，第 7 句和第 9 句不通顺，其他还好。整体感觉不错，起码比上一个测评视频里测的 Pulse Alpha 好太多了。 第二题是鹈鹕土星环骑自行车的 SVG 测试。大家看效果——卧槽，这个效果还不错，基本上挑不出什么问题。真要挑的话，就是转弯的时候跟顶级 Claude Opus 5.5 那次测评视频的效果差一点点。 第三题是复合弓射箭的 SVG 测试，看上去也不错。唯一一个小问题是为了满足抛物线，平拉的弓箭射出后突然往上飙了；再厉害点的话，复合弓的地上应该加点阴影，射箭拉弓的姿势也可以更标准一点。 第四题是实现一个精美浏览器操作系统。UI 看上去不错，右上角弹窗的 UI 也挺漂亮，就是最后这个日历的日期高亮不应该用椭圆；Dock 栏应用功能没有什么问题，UI 都挺不错；压轴的太空射击游戏功能没问题，UI 也不错。 第五题是 3D 赛车游戏测试。功能没有什么问...

OpenCode 刚上线了一个神秘模型 Pulse Alpha Free，免费开放，听说非常能打，事不宜迟赶紧在 OpenCode 上测一轮，思考深度直接拉到最高。 第一题是强约束指令遵循的句子生成测试。结尾确实是从 1 到 10 结尾，这点没问题，但检查通顺度的时候就露馅了：第 3、4、5、6、7、8、9、10 句全都不通顺，也就是说只有 1 和 2 两句是通的。害我数得头晕眼花。 第二题是鹈鹕土星环骑自行车的 SVG 测试。转弯画得挺不错，还给鹈鹕叼了条小鱼，算是有点新鲜。但问题还是有：鹈鹕的形态感觉不大对，身体和尾巴的比例很别扭，好像没见过有把鹈鹕画出过两个尾巴的；另外脚和自行车脚踏是分离的，在那儿踩太空步。 第三题是复合弓射箭的 SVG 测试。场景感觉是在月色下射箭，头上却又挂了个太阳；箭羽是反的；拉弓的时候箭离弦还有一段距离；箭是平拉然后放手的，箭头却突然往上蹿；最后这双手怎么看都觉得别扭，像是两只手长在了同一边。 第四题是实现一个精美浏览器操作系统。桌面一片漆黑，右上角的月亮图标点了也不给换主题模式；右上角弹窗里日历的日期高亮做成了椭圆，不好看；Dock 栏设置...

上个视频推荐了 Grok Bot 和 Claude Duet 的开源版平替 Open Duet，最近挺多人问到底怎么用。这期直接上手，把安装到跑通整个流程过一遍。 安装这一步其实几乎没有门槛：打开你平时用顺手的 agent，Claude Code、WorkBuddy、千问办公、OpenCode 都行，把 Open Duet 的 GitHub 仓库地址丢给它，让它照着仓库自己装完就齐活，不用手动敲命令。 装好后打开应用，跟着引导流程走。第一步填一个 Email，用来接收验证码；第二步把收到的验证码输进去，验证通过后继续。接着是接入大语言模型，可以填第三方 API，也可以直接复用你本地已经装好并登录的 Gemini CLI、Claude Code —— 这些工具本身能用的模型，Open Duet 就跟着能用，不用再单独买一份订阅。 再往下是填写初始 Agent 的信息，简单写几句它要负责什么，不至于一进去面对空白对话框。然后应用会问你要不要开放一些系统权限，比如辅助功能权限和录屏权限，按自己情况开就行，但建议都打开 —— Computer Use 这类要真正操作你屏幕的功能，权...

还没用上 Anthropic 应战 Muse 推出的那款个人智能体 Claude Duet 的，可以先看一下这个开源平替——CopilotKit 团队做的 OpenDuet，上线 12 天就拿了快 2000 颗星。 把它部署起来、接上 Gmail 和日历之后，它每天早上会先给你发一条晨报：今天有什么会，哪些邮件必须你来回，哪些可以先放着，都替你分好了。你扔给它一个任务就能走人，它会在一台自己的电脑里接着干——有真的浏览器，有自己的文件，干完了或者卡住了才来找你。 分寸感也做得不错：发消息、付款、签文件、删东西这类动作，执行前它会把要做的事原样摆给你看，你点头它才动。网站需要登录的时候，密码走的是另一条加密通道，AI 全程看不到。 部署其实并不复杂：装好 Docker 和 Bun，把仓库克隆下来，复制一份环境变量文件，填上你自己的模型 API Key，再免费注册一个它的 Intelligence 项目用来存记忆，一条启动脚本拉起来，浏览器打开本地端口就能用了。 整个项目自己部署、自己选模型，数据留在你自己的数据库里；代码是 MIT 协议，可以商用。想给自己搭一个私人助手的，不...

商汤刚上线了 SenseNova 6.8 Flash，我们赶紧拿祖传 benchmark 跑一遍。接入方式和往常一样，还是 Pi，思考模式设置到最高。有言在先，这个视频看完你估计不是笑死就是气死。 第一题是强约束指令遵循句子生成测试。放眼望去，只有第一句是数字结尾的，好惨哦，而唯一的那一句还要是不通顺的。这一题应该是目前测过的这么多模型里做得最差的一个了。 第二题鹈鹕土星环骑自行车 SVG 测试，祸不单行，这是什么跟什么嘛。我都不想一个个点出问题在哪了，逆向思维吧——值得称道的是，它确实生成了一个类似土星的球体，还给球体两边加了些护盾。第三题复合弓射箭 SVG 测试就不多说了，大家自己看，笑到肚子痛的别怪我。 第四题要求实现一个精美的浏览器操作系统。右上角弹窗功能没有什么问题；再看 Dock 栏，问题就来了：Dock 栏 APP 的 icon 点击后不懂得复原，terminal 终端输入后回车也没有反应。接着看压轴的太空射击游戏，鼠标和 ESC 键按下都没有反应，根本没法玩，失败。 第五题实现一个 3D 赛车游戏，进去一片漆黑，辣子鸡中的战斗机。第六题要求无第三方库实现一个...

美团的 LongCat 2.5 正式版终于上线了，赶紧跑下 Benchmark 看下有没有进步！还是在 pi agent 上接入，思考模式也参考官方文档拉到最大。 第一题，强约束指令遵循句子生成测试。先检查下结尾是不是都是从 1 到 10 结尾的，这个条件满足。看下句子是否通顺，第 7 明显不通顺；第 2 句语义有问题，忠贞不二一般是说爱情的，很少见到用来形容友谊的。 第二题，鹈鹕土星环骑自行车 SVG 测试。大家看效果，卧槽！第一反应我是有看 86 版西游记的感觉，以前特技没有那么好，所以孙悟空腾云驾雾的时候就类似这种突然缩小再放大一个筋斗云上天。这个实现肯定不行嘛，转弯也是一团糟，到了下方甚至上下颠倒了。鹈鹕的嘴也有点问题。 第三题，复合弓射箭 SVG 测试。好几个问题：首先，弓箭都没有射到靶心，走到一半就掉了，这是第一次看到实现成这样的；第二，复合弓上下滑轮明显是同方向转动的；第三，弓箭的箭羽是反的；第四，弓箭没有搭在箭台，明显往上飘移；第五，小人的手画的感觉长在身体同一边了，两个肩膀处稍微分开点都不至于这么突兀了。 第四题，实现个精美浏览器操作系统。这里有个问题，我...

OpenCode 背后的团队开源了一个语音输入工具 Hex：按住快捷键说话，松手，文字就直接出现在你正在用的任何软件里。Mac、Windows、Linux 三端都支持，稳定版刚发没几天，GitHub 上已经 3,000 多颗星，光今天一天就涨了 1,000 多。 用法基本没有学习成本。在 Mac 上按住 Option 键说一句，松手，刚才那段话就原封不动粘进微信对话框，或者粘进正在写的代码注释里，不需要切窗口、也不需要复制粘贴。 识别全程在本地跑。语音模型只在第一次启动时下载，之后你说的话一个字节都不出电脑，平替的就是那个收费的 Wispr Flow。写代码的时候直接念 prompt，也比一个字一个字敲快多了。 这项目还有个挺好玩的地方：代码提交不收 PR，bug 全是自家 agent 在修；代码是 MIT 协议，随便商用。每天回消息回到手酸、写文档写到手抽筋的兄弟，建议去官网下一个装上，明天开会试着用它记笔记，用过你就回不去了。 访问入口

新鲜出炉的蚂蚁百灵 Ling 3.1 Flash 1019 测评报告来了。这个模型前两天已经在 HuggingFace 上开源，但本地没有条件部署这么大的模型，官方也一直没有正式宣布切换到这一版；今天是听粉丝说 CommandCode 上线了，才赶紧在 Pi Agent 上接入，同时把思考深度拉到最高，万事俱备开测。 第一题是强约束指令遵循的句子生成，要求每句话都以 1 到 10 的数字结尾，再看句子是否通顺。结果真正勉强通顺的只有第 1 句和第 7 句，而且都算不上非常通顺；其余句子基本是靠去掉最后的单位，才勉强满足「以数字结尾」这个约束。 第二题是鹈鹕在土星环上骑自行车的 SVG，效果感觉不太行。首先转弯明显不行，跑到下方就开始倒着骑；其次土星环跑道也不对；第三，自行车没有挡住鹈鹕，另一只脚明显和这只脚在同一边；第四，脚和脚踏融在了一起。 第三题复合弓射箭 SVG 同样问题不少：上下两个滑轮转动方向相同；拉弓的时候弓是平的，一放手箭却突然往上飞，不符合物理规律；箭羽怎么看都是反的；小人的头和身体离得也太远——明知道是 SVG，断开一点点还能接受，但这个距离实在夸张，又不...

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...