与「AI测评」相关的搜索结果

Claude Fable 5 又回来了。 但这次我觉得重点不是“最强模型终于恢复”，而是另一个更现实的问题： 这么贵、这么强、这么容易被限额的模型，到底该怎么稳定用？ 官方订阅现在不是随便敞开跑。Pro、Max、Team、部分 Enterprise 用户有阶段性额度；后面还会切到 usage credits。对开发者来说，这意味着你不能只看模型能力，还得看入口稳不稳、额度够不够、调用链路麻不麻烦。 模型再强，如果每次用之前都要担心限额、订阅、封号、VPS、住宅 IP，那它在真实工作流里就会变得很别扭。 我现在更倾向于把这类顶级模型放进一个统一入口里用。 ZenMux 这次把 Claude Fable 5 Free 接回来了： PAYG 用户只要账户里有 credits，就可以直接调用 claude-fable-5-free 体验；订阅用户从 Free 层级开始也能开箱用。现在ZenMux充值加赠20%的活动，每人最高可享 300刀，（重度用户参考一下）。 这个对开发者比较友好的地方是：不用为了一个模型单独折腾一套账号和订阅，也不用在不同平台之间切来切去。Fable 5、Opus、Gemini、GPT、DeepSeek 这类模型都能放在同一个工作流里测。 我尤其建议拿它跑两类任务： 第一类是长链路 Agent 任务。 比如多轮 code review、跨文件重构、文档到 SDK 再到示例代码的串行任务。Fable 5 真正值钱的地方，不是短回答多聪明，而是长任务里更不容易假完成。 第二类是陷阱 prompt。 故意给一个看起来能做、其实约束冲突的任务，看模型会不会硬说 done。很多模型不是不会写代码，而是太愿意把错误状态包装成完成状态。 这类测试，用 ZenMux 的 PK 模式会比较直观：同一个 prompt，并排丢给几个模型，一眼就能看到谁在自我验证，谁在硬圆。 现在 ZenMux 也在跑 Auto Top-up 活动：自动充值每笔加赠 20%，单用户最多 3 次，单次加赠上限 $100，活动到 7 月 15 日。 活动页： 我的建议是，不管你最后会不会长期用 Fable 5，都可以先拿一个真实任务免费试一下。 别测“写一段介绍”。 测一个你工作流里最怕模型假完成的任务。 跑完你大概就知道，这个模型到底是贵，还是值。 #ClaudeFable5# #AIAgent# #AI测评# #ZenMux#

MirrorCode：测评AI复刻软件的能力 让AI在完全看不到原始源码的情况下，从头复刻整个程序，最终生成的代码必须与原程序输出完全一致，而且其中包含一些隐藏的用例。 MirrorCode选取了25个目标程序，覆盖Unix工具、数据序列化与查询工具、生物信息学、解释器、静态分析、密码学、压缩算法等多个计算领域。 最终，Fable5以64%的完全解决率排名第一，GPT 5.6 Sol则只有20%的解决率。 详细介绍：

如果你做内容，大概率会遇到一个很烦的问题：信息太多，但真正值得做成内容的选题太少 OpenAI 发了新功能，Anthropic 发了新模型，Google DeepMind 更新了视频生成，arXiv 又冒出几十篇论文，GitHub Trending 上突然出现一个爆火项目。每条看起来都重要，但问题是：哪一条值得今天做？哪一条只是新闻搬运？哪一条能变成有观点、有传播力、有价值的内容？ 这就是我做 AI Topic Scout 这个 Codex skill 的原因。 GitHub 地址：
 AI Topic Scout 不是一个普通的新闻摘要工具。它的目标不是告诉你“今天 AI 圈发生了什么”，而是帮 AI 博主、创作者、newsletter 作者判断： 今天最值得做的选题是什么？ 它默认扫描 10 个核心信息源： 1OpenAI News 2Anthropic News 3Google DeepMind Blog 4Meta AI Blog 5Microsoft Research Blog 6arXiv AI / ML / NLP 7Hugging Face Papers 8GitHub Trending 9LM Arena Leaderboard 10The Batch by 这些源覆盖了 AI 内容创作最重要的几层：大厂一手发布、论文、开源项目、模型榜单、行业趋势和研究动态。 但更重要的是，它不会只把信息堆给你。它会把这些信号加工成适合创作者使用的选题格式： •选题：一句能直接用的标题方向 •为什么现在：这个选题为什么今天值得做 •内容角度：你应该讲观点、教程、实测、对比还是科普 •适合形式：短视频、长视频、图文、newsletter、demo •素材来源：对应的信息源链接 •优先级：High / Medium / Low 适合谁用？ •每天要做 AI 短视频的人 •写 AI newsletter 的人 •做 AI 工具测评的人 •想追踪模型和 agent 趋势的人 •不想每天被信息流淹没的创作者 •想从“搬运新闻”升级到“判断趋势”的人 使用方式也很简单： 用 $ai-topic-scout 给我出今天的 AI选题 或者： 用 $ai-topic-scout 扫一遍本周 AI 信息源，挑 5 个适合短视频的选题 我做这个 skill 的初衷很简单：AI 内容创作不应该每天从刷信息流开始。真正值钱的是判断力。哪些变化只是噪音，哪些变化代表趋势，哪些变化值得被讲给更多人听。 AI Topic Scout 就是把这套判断流程固化下来。 如果你也是 创作者，可以试试这个 skill，能帮你每天更快找到值得表达的东西。

新的博客文章《AI 编程助手测评：GitHub Copilot vs 豆包 MarsCode》。 我测评了两款 AI 编程助手，看看孰强孰弱，顺便也作为一个入门教程，向还没用过的同学，展示它们的用法。

写了八课 AI 用法，却没有一句话能管住自己，这课不是白学了吗？ 先说一句得罪人的话：创作者圈里最爱干的一件事，就是课一节一节地学，笔记记得满满的，接活时客户一问“你这活到底用没用 AI”，还是支支吾吾答不上来。Anthropic 给创作者的官方课最后一课却把问题换了一个问法：没有一条放之四海的用法，AI 用法没有统一立场，位置是在每个做法和每个任务上定的。守则不是背下来的，是你自己一页一页拼出来的。别人给的规矩管不住你的活，只有你自己拼的才管得住。 课里给的办法，是把前面攒的四样东西摊在桌上拼成一页守则：第 1 课的说法、第 2、3 课的透镜分析、第 6 课的决策备忘录、第 7 课的角色图。守则只锚定三个问题：AI 放在哪、不放在哪；跟谁交代、交代什么；什么时候回头重看。交代承诺要按对象分开写，跟客户交代什么，跟同行交代什么，各写一行。触发点要写死，工具换了、活变了、客户问住了，哪一条到了就重看。没有回头重看的触发点，守则放着就过期了，过期了都不知道。守则不是写给别人看的，是写给下一次接活的自己看的。 拼完还不算完，课里要求拿三个真实场景去撞一撞，挑三个正在做的真活，一个一个过守则，过不去就改守则，不改活。撞得住才签字。课末留了两个反思：守则里哪一个决定，要是没有前面的分析，根本不会有；从第 1 课的起点快照看过来，你的立场变了什么、没变什么，那个一开始的担心，是被回答了、被管住了，还是被划了线。下一步是一次短测评，通过了拿结课徽章，本门到此收尾。 S1哥观点：说“学完课就等于会用了”的人，和说“守则写了也是白写”的人，错的是同一处，都没拿三个真实场景去撞过自己的守则。没撞过的守则，签字签了等于没签。你呢？你的守则敢不敢拿三个真活去撞一撞，撞不过去，你改守则还是改活？评论区说说。 收藏用清单（照着做）： 1. 把四样东西摊在桌上：说法、透镜分析、决策备忘录、角色图。 2. 写清 AI 放在哪、不放在哪，按做法和任务分开写。 3. 交代承诺按对象分开写，触发点写死。 4. 拿三个真实场景撞一撞，撞得住才签字。 转给那个学了八课、接活还是凭感觉的朋友，先拼一页守则，再谈会没会用。 #Claude中文教程#

兄弟们，别天天吹 信息差。 很多副业 本质就四个字：手脚勤快。 只要你会用 Claude、GPT、Codex，把海外公开信息重新整理、验证、产品化，机会一直都有。 1. Hugging Face / Discord 找最新 AI 工作流 → 做中文教程 2. Product Hunt / X 找微创新产品 → 做测评、咨询 3. Newsletter / Substack 干货 → 做垂直知识库 4. GitHub 开源项目 → 跑通后做小白配置服务 5. 国内优质内容 → 拿授权后做海外本地化分发

准备面试 AI 岗位，想知道 Anthropic、OpenAI 这些大公司到底爱问什么，只能一个个帖子翻。 有人把 35 家公司公开流出的 AI 工程面试题，按公司逐家整理成了一个仓库，能找到解答的题目下面直接附了链接。 先看跨公司的高频题，注意力机制、KV 缓存、检索增强、Agent、系统设计这些分成 10 类，每题都标了哪几家问过。 GitHub： 每家公司还写了面试流程。像 Anthropic 是 30 分钟初筛、70 到 90 分钟编程测评，再加五轮左右，前后 3 周到 2 个月。 我觉得最有意思的是题目本身，比如「5 万份文档要跑一遍模型调用，接口只让开 100 个并发还会报错，代码怎么写」。 还有一题问，像 Claude Code 这样的编码 Agent，模型和外面那层框架哪个更重要，现在的面试确实很贴近实际工作了。 打算往大模型应用、Agent 方向投简历的，先把前面那 10 类高频题过一遍。

刚发现OKX @okx 又默默的搞了个AI交易员大赛，榜一斯巴达兄 78%收益率。 就是这个走势也太刺激了吧，完美的心电图？ 还支持一键跟单，赶紧让我的小龙虾去测试一波，晚点来写测评和体验~！ 现在还用 @openclaw 的举个手？🤪

🔥 K3 杀疯了，阿里坐不住了！ 今天，阿里千问正式预告 Qwen3.8 —— 参数量直接拉到 2.4T，官方放话："可能是除了 Fable 5 外最强大的模型"。 还没正式发布，但 Qwen3.8-Max-Preview 已经抢先上线 Qoder、QoderWork 和千问 PC 端，限时 1 折调用，夜间甚至 0.2 折。 内部测评显示，在全栈开发、数据分析、Office 办公等复杂长程任务上，它已经匹敌世界前沿模型。 更夸张的是，我用它 1:1 复刻了《坦克大战》—— 碰撞、草地、道具、特种敌人，一句提示词全搞定。之前用 Fable 5 做过同样的 demo，这次 Qwen3.8 已经能和它扳手腕了。 正式版即将开源，以"天"为单位进化中。 #Qwen3#.8 #AI大模型#