#AI模型评测

共 7 篇相关文章

Claude Sonnet 5.5深度实测：从一句提示词生成3D海洋、Fall Guys游戏到Unreal引擎重建旧金山，基准测试显示其性能几乎追平Opus 5.5，而价格仅为一半。本文梳理这款最强编程模型的能力与短板。

GPT-6.1 Sol与Sonnet 5.5一对一实测横评：从前端设计、JavaScript视频到浏览器游戏，揭示基准测试背后的Token效率与真实成本差异。Sol更省Token更便宜，Sonnet更快成品更细。

B站UP主香酥幻想用相同提示词对GPT-6 Astra与前代5.6进行8小时实测，涵盖前端UI重构、游戏复刻、3D互动、视频剪辑四组任务，详解两代模型在需求理解、工具调用与额度消耗上的真实差距。

Claude Opus 4.8 发布：更诚实的AI，还是新一轮「升级焦虑」？

Anthropic 于 2026年5月28日发布 Claude Opus 4.8，距上代仅隔41天。本期播客围绕 Opus 4.8 的诚实度升级、编程能力、价格变化展开讨论，并深入分析 Twitter、Reddit、B站等社区的真实用户反馈与争议。

Claude 4系列首发实测，从编程、文档分析、推理到AI Agent多维度对比Opus 4与Sonnet 4表现，并与GPT-4o、Gemini 2.5 Pro横向比较，附API定价分析与选购建议。

深度评测Anthropic Claude Haiku 4.5：SWE-bench编码得分73.3%碾压GPT-5和Gemini 2.5 Pro，智能体工具使用接近人类水平，价格仅为Sonnet 4.5的三分之一。附5项实战测试结果与企业应用场景分析。

深度评测Claude Haiku 4.5性能表现，SWE-bench得分73.3%媲美Sonnet 4，输入仅1美元/百万token。涵盖代码生成、智能体编码、SVG图形等实测案例，解析Sonnet+Haiku双模型协同策略与最佳使用方案。