同一个医学问题问了四家AI,没有一家能全信

「大肠癌会不会引发帕金森」这个问题,加上「要 DOI」的约束后,我先后问了四家 AI。第一轮核对时,豆包的 DOI 全对,表现最漂亮;等到第二轮核对调出 PubMed 摘要做比对,才发现它把因果方向说反了。

2026年11月1日 · 4651 字  · 张翼轸

DeepSeek Fetch实测:打不破海外反爬盾,却啃下了微信这块硬骨头

实测 DeepSeek 新开放的 Fetch:它无法通过 Cloudflare 这类反爬机制,遇到海外慢脚本还会被拖到超时,却能用十几秒完整抓下微信公众号长短链;和 Jina Reader 各有偏科、正好互补。

2026年10月18日 · 3523 字  · 张翼轸

用Claude Opus 5.5做微信公众号封面图,相当可以

为了给公众号连载的电子书换一套封面风格,我拿 Claude Opus 5.5 试了 SVG,第一遍直出的 900×383 双封面就相当不错,还能替换章节号和标题批量生成。代码能力强,真是可以为所欲为。

2026年10月6日 · 639 字  · 张翼轸

Jev与大模型的高频交易时刻,像Flash Boy一样扣动扳机

当年我用 OLS 跑出越界的概率预测,如今 Jev 砍掉自回归、只做分类判断,300 毫秒给出经过校准的置信度。大模型在交易系统里的价值,不是长篇推理,而是把新闻公告变成能扣动扳机的信号。

2026年9月18日 · 2624 字  · 张翼轸

Gemini节节败退,但却在这屠榜

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。

2026年9月2日 · 2462 字  · 张翼轸

GLM 5.3 Flash,终于干掉了臭不可闻的“Claude味”双引号

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。

2026年8月27日 · 1259 字  · 张翼轸

Ox Alpha的SVG能力太能打了

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。

2026年8月22日 · 750 字  · 张翼轸

谁是最谄媚的大模型?17 款模型的魔镜测试

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。

2026年8月19日 · 2547 字  · 张翼轸

大模型画SVG,新甜点模型出现了

用同一套提示词让七款模型给文章画 SVG 插图,Deepseek V4 Flash 一分半、四分钱出图,Grok 4.5 效果最好,单张约 0.4 元。跟踪了一年多,国产模型这次终于进入完全能用的区间。

2026年8月4日 · 1880 字  · 张翼轸

不同的GLM 5.2都一样吗

同一个 GLM 5.2,OpenRouter 上近 30 家供应商的延迟、工具调用错误率和测试得分各不相同。模型决定能力上限,但怎么部署、调度和提供工具,才决定我们实际摸到哪一段。

2026年7月13日 · 1113 字  · 张翼轸
· SVGArena · 大模型谄媚榜单 · 给少数人的基金投资书