多个国产模型联合,就能挑战Claude Fable 5?
Gemini 3 Flash、Kimi K2.6、DeepSeek V4 Pro 一起思考再汇总,DRACO 得分 64.7%,逼近 Claude Fable 5,成本只要一半。
Gemini 3 Flash、Kimi K2.6、DeepSeek V4 Pro 一起思考再汇总,DRACO 得分 64.7%,逼近 Claude Fable 5,成本只要一半。
给二年级的娃批量出钟面题,我用 Deepseek V4 Flash 写 HTML+Canvas 页面一次就成了;换成 SVG,时针分针却和钟面重叠不可用。可见困在 SVG 里是犯傻,可视化改用 HTML 稳定得多。
拿娃的英语默写纸测各家模型的多模态识别,Qwen 3.6 Flash 一眼看出「老师没给等第」,只花 0.017 元;几款更贵的模型却编出了等第。
娃要做纸盒小猫,我把图纸丢给多模态模型转成能直接打印的SVG。Gemini 3.1 Pro 完美复刻,还顺手做了刀模图和折痕线;Kimi、Qwen、Grok、Claude 却连正方形都保不住,全都没法用。
刷 OpenRouter 看到 Qwen 3.6 Flash,嫌它百万 token 输出 7.2 元偏贵,才想起要拿它和多模态模型比价。实测写作文、识别发票都只要一分钱出头,速度还快,国产多模态相当可用。
我把刚发布的 DeepSeek V4 Flash 接到沉浸式翻译上:速度虽不及谷歌 Flash Lite,价格却只有它的五分之一,逐段翻译几乎不用等。低价高速这条线上,它卡住了一个极好的生态位。
同一个「你是巴菲特」的提示词,Claude 和 Gemini 答得还有几分真见解,GPT 5.4 却通篇卖课话术,结尾还顺势引流。模型的性格差距,比我预想的大得多。
我把一篇文章的两个结尾版本丢给 Claude 4.6 Opus 和 GPT 5.4 对辩六七轮,一个圆融地顺势改口,一个始终不肯挪窝。看完这场交锋,我依然分不清它们是在思考,还是只是在生成。
同一个结尾,让一堆模型来选:Claude 4.6 Opus 三次都选短的,GPT 5.4 三次都选长的。文字品味之外,稳定性和可继承性同样重要——它决定你能否信任这个写作搭档明天还是同一个人。
用了一周 GPT 5.4,它比 Claude 4.6 Opus 多输出四五成 token,啰嗦得很。可这啰嗦并不坏:改稿能偷师,深夜谈心也接得住丧气话,多出来的 token 刚好铺满一段不想结束的对话。