共 5 篇文章
一张图扒光5个国产模型：Kimi憋半天才动手，豆包忙了293次，GLM最吃状态
把DeepSeek V4 Pro、Kimi K3、GLM-5.2、豆包Seed-Evolving五个国产编程模型放入同一真实仓库修同一个Bug，用轨迹图记录执行过程。结果显示DeepSeek最稳健、Kimi动手最晚且调查最多、豆包动作最多、GLM状态型不稳定；还发现同一模型换Harness后执行路线改变，主张评估Agent应把模型与工作环境放在一起看。
横评Opus 4.8、GPT-5.5、DeepSeek V4、MiniMax M3，356元测出来的真实排名
花费 356 元用同一任务与提示词横评 Opus 4.8、GPT-5.5、DeepSeek-V4-Pro、MiniMax M3 在 3D、视觉网站、游戏与 Agent 长程四类场景：Opus 与 M3 视觉/3D 领先，GPT-5.5 审美粗糙，DeepSeek 视觉理解弱，给出分场景排名供选型参考。
开源 Coding 第一的 GLM-5.3 回来了，我拿它连做了三个互动学习系统
作者用开源Coding第一的GLM-5.3做三个互动学习系统测其长程Coding能力：核物理学习网站（18章约10万字、可交互临界实验室）、洗烘一体机三维仿真（三种烘干技术拆解）、魏晋南北朝舆地推演图（369年时间轴与地图联动）。指出GLM-5.3与Kimi K3并列开源第一档，强调长任务延续能力，同时提醒三维页面易过重、科学参数与历史疆界需人工核对。
横测 H3、Seedance 系列，结果有点意外...（附 7 个超高质量提示词）
作者在视频模型爆发期对MiniMax H3与字节Seedance系列（2.5、2.0 fast）做横测，从成本效果及7种经典场景考察能力，认为H3目前只够和Seedance2.0 fast相比，故以二者横测为主。文末综合成本与效果给出选型建议，并附7个超高质量视频提示词，覆盖微表情控制、情绪戏等场景，帮助创作者减少试错成本。
一条可用视频到底要抽几次？我用3款模型对比了7组案例（附提示词）
用 7 组不同场景（Vlog、古装微表情、短剧、女团舞、多人物、大场景）对比 Seedance 2.0 fast、MiniMax H3、Wan 3.0 三款视频模型，附完整提示词，分析各模型的真人感、情绪递进、节奏手感与成本（含每抽价格及抽卡次数），并给出 API 调用与本地部署的选择建议。