大模型评测

写基金投资书连载时，我让Claude Opus 5.5用SVG做公众号封面，第一遍就出了红色系设计和少字Logo。更妙的是，廉价模型就能按章节批量替换，代码能力让封面这件小事有了新玩法。

Jev把文本推理压成极快极便宜的概率输出，似乎打开AI交易新天地，但一轮尝试大多亏钱或跑输基准。直接让大模型做交易决策，既撞上宽客早已深耕的结构化数据高墙，也困于新闻驱动的后视镜与回测难题；它更现实的出路，可能在投研流水线而非接管账户。

代码、Agent评测中被Claude、OpenAI压制的Gemini，却在作家盲测写作榜上占前十中的六席，便宜Flash是主力。旗舰模型越进化越像过度工程的代码机器，为何懂得停笔的那个反而写得最好看？

GLM 5.3 Flash发布，最让码字人意外的不是参数和价格，而是它终于不再在中文里夹杂英文双引号。这个从Claude扩散到多款国产模型的怪癖，为何值得认真对待，答案或许比一对双引号更重要。

匿名模型Ox Alpha的SVG能力实测惊喜，与Grok 4.6整体相近，在收益率曲线、时间线等布局上完成度不错。它究竟出自谁家，发布后价格能否接近2.5 Pro、是否极具竞争力，成了更吊人胃口的悬念。

同一篇文章，挂上自己的名字或讨厌同事的名字，17款大模型的打分能差出1.5分。最直率的Grok反而最谄媚，而仅隔一版的GLM-5.3几乎不再受署名影响——模型的名字，也许不如版本号重要。

不用翻墙和外卡，也能让大模型画好文章配图了吗？从Deepseek V4 Flash到Grok 4.5，再到Kimi K3与Qwen 3.8 Max，实测一圈后，甜点模型已批量出现，但便宜与效果之间仍要做出取舍。

当指数与AI一路上扬，赢者全拿成为结论，原因却藏在黑箱里，罗大佑在《所以》里连唱二十多个所以，把这场因果失踪唱了出来。对投资者而言，真正该问的也许不是涨跌，而是那个被省略的所以呢。

同样叫GLM 5.2，不同渠道的延迟、工具调用错误率和Agent实战得分并不一致，部分第三方甚至反超原厂。模型名相同不等于体验相同，部署、调度与工具链可能才决定你实际摸到哪一段能力。

Wind Alice网页版很好用，稍加提醒就能复现我手搓的基金基准迁移统计，但作为每年付费数万的Wind金融终端用户，我面对的却是另一套没有Agent模式、权益不互通的同名Alice。同一个名字下的割裂，究竟该由谁买单？