文章

在海明威写作基准上，Gemini 的 Flash 小模型占了前十的六席，而 EQ-Bench 拿高分的 Claude Opus 5 只排到并列第十。写得最好的，往往不是最想证明自己无所不知的模型，而是懂得何时停笔的那个。

娃升三年级，课表从六节变七节，我把课表截图扔给Qwen，让它改写自制的Word模板，连分隔符位置都顺手补上。这算不上惊艳的AI应用，但真正改变普通人日常的，或许正是这种悄悄省掉几分钟的小事。

GLM 5.3 Flash 发布后，我用官方和第三方 API 各测十多次，中文里一次英文双引号都没出现。这个从 Claude 蔓延到众多国产模型的怪癖，智谱终于走了回来。

Wind的行情看板给不了我想要的19日涨跌幅和BIAS，我干脆用千问办公让大模型搓了个ETF实时看板，手机电脑都能随时打开。但AI只负责写代码，不替数据背书，上线前逐项校验省不了。

同一套朴素提示词下，Ox Alpha 把财联社一篇稿子做成的一图流让我惊喜，完成度不输 Grok 4.6。悬念是它出自哪家、发布后价格如何。

上篇说买50年国债赚了8.87%，不少人来找代码。但光有代码不够，我用Wind的Alice按剩余期限筛券，再靠免费终端看YTM，两次查询约0.13元。现在利率中性，我只持有不买入。

我只改一句提示词，文章是我写的还是讨厌的同事写的，就让 17 款模型各打 90 次分。结果说话最直的 Grok 最谄媚，GLM-5.3 几乎不受影响；求安慰时可以用，核验事实时得换一面更敢说真话的镜子。

看到企业微信开放CLI、一条命令就能让Agent操控企微，我以为能让AI辅助回复客户消息。实测才发现它只管企业内部：外部联系人的消息查不到，外部群也进不去。CLI开放了，「微信」没有。

Deepseek 涨价后，我实测用它查一次纳指 ETF 实时溢价率，高峰时段要 0.24 元，一天查几次成本就不小。Skill 和脚本不是二选一——需求确定、流程固定后固化成脚本，token 就省下来了。

我让GLM读完易方达、华宝、南方的ETF skill文档，逐个实测了实时溢价率、股票反查ETF、历史分红等七个场景。三家能力圈差别很大，没有一家全能：要盘中实时行情找南方，要专业风险指标找华宝，要历史分红和反查找易方达。