AI产品狙击手

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...

想知道讯飞星火 X2.5 真实实力？接入 API 放到 pi 平台跑全套祖传测试用例！第一题强约束指令遵循句子生成测试，5、7、8 句不通顺，第十句口语化。第二题24点截断只算出一组解法。第三题高难度七位数密码锁推理顺利答对，推理能力让人意外。编程题：浏览器 OS UI 观感不错，右上角弹窗效果在线，Dock 正常，附带太空射击游戏可玩但偏难；3D 赛车正常但车速偏快；Trello 看板卡片拖动正常，列表拖动失效，输入标题有显示 bug。整体表现不错，全国产算力训练是亮点，适合对数据安全敏感的团队，大家怎么看这次实测结果呢…… 访问入口

扩散大语言模型这条路走得通吗？称生成速度上千 token 每秒的扩散大模型 Mercury 2.5 实测来了！粉丝点名让我测试这款刚在 OpenRouter 上线的 Diffusion LLM，这类模型和普通自回归模型不一样，不会逐个输出 token，而是一次性批量吐出多个 token，理论上速度直接拉满。 我在今年 3 月就测过旧版本，当时表现很差，期待新版本能有所改善。本次通过 OpenRouter 在 pi 环境接入，思考模式开到最高，逐项实测： 第一题·强约束指令生成：生成速度肉眼飞快，不用快进，但全部句子语句不通顺，直接翻车； 第二题·新版 24 点：要求三组解法，模型直接表示无法求解，要求去掉数字 2 才能作答； 第三题·七位数密码锁推理：给出的答案完全错误，三道推理题全军覆没。 接着测试编程任务： 浏览器操作系统缺少弹窗，仅计算器勉强可用； 太空射击游戏完全失效； 3D 赛车 UI 简陋，越过第一个障碍物之后不再刷新障碍； Trello 看板初始化界面异常，创建列表后无法新建卡片和拖拽。 整套测评下来，这款扩散大模型空有极速生成的噱头，推理和代码落地能...

GPT Image 2.5 全量开放，免费账号也能直接用！今天拿祖传图片测评用例实测，左侧图片菜单旁出现新标识，点开 template 模板看到对应 logo 就代表是最新版本。 第一道压轴题上传多人图片，要求互换左右两个人物位置，画面看似完成交换，但出现明显 bug——人物交换后还残存了多余的手部图像。 第二道测试中文能力，生成水彩风格珍珠海 5 天行程插画，整体画面尚可，但图内出现错字，更换提示词生成桂林手绘三日行程图，模型能自主推理规划行程，可文字错误字更多，能看出中文文字渲染依赖旧短短板明显。 第三题生成 3D Q 版两层咖啡杯造型星巴克建筑，画面效果惊艳，提示词遵循到位。 第四题上蚂蚁巢穴城市天气卡，构图观感很好，耗尽只能终止测评。这套实测能看出它图像生成有亮点，但中文文字渲染、图像物体编辑仍存缺陷，你觉得 GPT Image 2.5 表现如何，有优质测评用例欢迎分享，后续我加到祖传测评集里…… 访问入口

企业搭建 AI 语音客服、数字人实时语音有新方案！ 开源框架 LiveKit Agents，可将文本大模型转为支持通话的语音助手，GitHub 14k+star，几十行代码即可搭建，支持电话客服、自动外呼、数字人语音，结合 WeKnora 企业知识库实现智能问答与客服自动化。 自带端点检测避免抢话，支持多 Agent 业务接入，MCP 快速接入工具，支持私有化部署，Apache-2.0 协议可商用。 做语音机器人、数字人的企业可以跑示例体验一下…… 访问入口

Agnes 3.0 Flash 免费可用的大模型实测来了！ 使用 pi 接入并开启思考模式，指令生成测试仅有半数句子通顺，24 点任务上下文中断，密码锁推理答案错误。全部编程测试项目接连报错、运行中断，服务稳定性很差。 整套测评下来，也就 API 免费勉强算得上优，其余能力一言难尽。你觉得这个模型还有哪些可用场景呢…… 访问入口

Deepseek V4.1 预览版多态实测来了！上一轮我们测试推理与编程能力，今天直接拿祖传多态测试用例检验图像能力，该模型暂不支持视频，所以只做图片测试。 首先传入《老无所依》电影截图片名询问影片名称，任务跑了二十多分钟，Deepseek Harness 浏览器几乎卡死，只能终止任务。过程中模型可以识别画面内容，但始终识别不出电影名字。换一张同影片简单截图，耗时五分钟多才成功识别出来。 接下来判断图片里对话亭相对黄色货车的方位，模型准确答出右侧，答案无误。 找不同题中，精确定位第一行第四列倾斜十二度，多观察能力可圈可点。再提升难度，统计画面里雄鸳鸯数量，雄性 5 只识别正确，雌性统计出错——把画面左侧的野鸭错误计入雌性鸳鸯数量。 原本准备两道视频测试题，受限于模型不支持视频输入无法开展。整体图片测试有亮点也有明显短板，大家觉得这个模型多模态水平到底如何…… 访问入口