筛选结果
52 篇排序
25:50EN → 简体中文
Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测：3D 演示出色，表现不一，价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力，并比较基准成绩与价格。
21:29EN → 简体中文Matthew Berman· 2026年10月7日Mistral Large 4 预览版：欧洲开放权重、网络安全基准与设置障碍Matthew Berman · Forward FutureMatthew Berman 回顾模型公布的规格和基准，并在智能体编程工作流中进行测试。
16:59EN → 简体中文Matthew Berman· 2026年9月29日Claude Sonnet 5.5 实测：游戏、3D 场景与更便宜的 Opus 替代选择Matthew Berman · Forward FutureMatthew Berman 展示生成的项目，并比较 Sonnet 与 Opus 公布的基准成绩和 API 价格。
16:57EN → 简体中文Matthew Berman· 2026年9月22日Grok 4.7 对比：编程、知识工作与每项任务成本Matthew Berman · Forward FutureMatthew Berman 分析公布的基准和价格，同时指出遗漏的竞争模型及有限的亲自测试。
16:39EN → 简体中文Matthew Berman· 2026年9月11日DeepSeek V4.1 Flash：低成本推理与实际测试中的不同结果Matthew Berman · Forward FutureMatthew Berman 考察 DeepSeek 的高效开放权重新模型、其公布的基准测试和 API 定价，并测试速度、编程及视觉能力。少量演示展现了令人印象深刻的速度，也暴露了模拟准确性方面的问题。
16:50EN → 简体中文Matthew Berman· 2026年9月3日Gemini 3.8 Flash：基准、成本与编程实测Matthew Berman · Forward FutureMatthew Berman 结合视觉生成和网页制作实例，评估 Google 2026 年 9 月发布的模型。
19:08EN → 简体中文Matthew Berman· 2026年9月1日Claude Fable 5.1 与 Mythos 5.1：定价、安全措施和实际测试Matthew Berman · Forward FutureMatthew Berman 分析 Anthropic 的成本主张和基准测试、另一项成本估计，以及他自己的编程与设计测试。
18:57EN → 简体中文Matthew Berman· 2026年8月29日GLM-5.3-Flash：Ox Alpha 的基准、成本与编码测试Matthew Berman · Forward FutureMatthew Berman 评测 Z.ai 的开放权重模型，比较基准测试成本，并与竞争模型进行编码和演示文稿任务对比。
15:37EN → 简体中文Matthew Berman· 2026年8月4日Matthew Berman 谈 Qwen3.8-Max、AI 成本与开放权重竞争Matthew Berman · Forward Future一场 2026 年对已公布的基准测试和研究演示的评析，引出了部署经济性与地缘政治依赖的问题。
16:09EN → 简体中文Matthew Berman· 2026年7月23日如何比较 AI 任务成本，并在不同模型间分配编程工作Matthew Berman · Forward FutureMatthew Berman 比较 token 价格与基准任务成本，并提出使用不同模型分别规划、执行和审查的工作流程。
28:16EN → 简体中文Matthew Berman· 2026年6月9日Claude Fable 5 与 Mythos 5：Matthew Berman 评测长时间编程任务Matthew Berman · Forward Future一位 Fable 5 早期用户分析 Anthropic 的基准、安全控制、定价和编程工作流程，并演示魔方与流体模拟。
17:03EN → 简体中文Matthew Berman· 2026年5月27日DeepSWE：用长流程软件任务测试编程智能体Matthew Berman · Forward FutureMatthew Berman 解读 Datacurve 的基准、验证器审计，以及使用统一 harness 比较模型的权衡。
18:07EN → 简体中文Matthew Berman· 2026年4月16日Claude Opus 4.7：基准测试、网络安全防护与未解问题Matthew Berman · Forward FutureMatthew Berman 将 Anthropic 2026 年 4 月发布的 Opus 与受限开放的 Mythos Preview 进行比较，并研究其系统卡。
15:08EN → 简体中文Matthew Berman· 2025年8月8日GPT-5 发布回顾：路由、编程、基准测试与可靠性Matthew Berman · Forward FutureMatthew Berman 回顾 OpenAI 2025 年发布的 GPT-5、统一的 ChatGPT 使用体验、基准测试结果及模型评估的局限。
15:23EN → 简体中文Matthew Berman· 2025年7月13日Grok 4 初期反响：出色演示、安全疑问与褒贬不一的用户反馈Matthew Berman · Forward FutureMatthew Berman 回顾业界对 xAI 在 2025 年发布的新模型的初期反应，涵盖物理模拟、基准测试以及对偏见、安全和速度的担忧。
26:09EN → 简体中文Matthew Berman· 2025年7月11日Grok 4 与 Heavy 实测：编程、图像、推理和实际问题Matthew Berman · Forward FutureMatthew Berman 在 2025 年 7 月的动手测试中得到交互原型，也遇到若干失败；单个例子能够证明的内容有重要限制。
19:40EN → 简体中文Matthew Berman· 2025年7月10日Grok 4：基准测试、多智能体推理与发布演示Matthew Berman, Elon Musk · Forward FutureMatthew Berman 分析 xAI 在 2025 年 7 月发布的模型，包括其公布的推理成绩、Heavy 界面、演示和定价。
27:40EN → 简体中文Matthew Berman· 2025年6月28日Seedance 1.0 与 Veo 3：一次非正式文生视频对比Matthew Berman · Forward FutureMatthew Berman 通过体操、动作、动画和奇幻场景，比较画面质量、运动表现与提示词遵循程度。
22:05EN → 简体中文Matthew Berman· 2025年6月9日Apple《思考的幻觉》：谜题实验的局限与代码辅助测试Matthew Berman, Ilya Sutskever · Forward FutureMatthew Berman 回顾 Apple 的推理模型实验，并用生成的代码测试另一种解决汉诺塔问题的方法。
15:13EN → 简体中文Matthew Berman· 2025年5月10日Absolute Zero：用自行生成的编程任务训练推理模型Matthew Berman · Forward FutureMatthew Berman 解读一篇 2025 年的论文：预训练语言模型利用可验证的反馈，自行提出并解决编程任务。
15:15EN → 简体中文Matthew Berman· 2025年4月19日OpenAI o3 与 o4-mini 的早期反响：工具使用、数学与错误Matthew Berman · Forward FutureMatthew Berman 回顾 2025 年的演示和基准报告，从地点识别、编程到挑战乐观预期的简单错误。
15:46EN → 简体中文Matthew Berman· 2025年4月16日OpenAI o3 与 o4-mini：工具使用、基准测试和首版 Codex CLIMatthew Berman · Forward FutureMatthew Berman 回顾 OpenAI 2025 年 4 月发布的推理模型、科学图像分析演示，以及终端编程智能体的首次亮相。
21:16EN → 简体中文Matthew Berman· 2025年4月14日GPT-4.1、Mini 与 Nano：编程、长上下文及 2025 年 API 价格Matthew Berman · Forward FutureMatthew Berman 回顾 OpenAI 于 2025 年 4 月发布的模型、部分编程基准与演示，以及 Box 赞助的评估。
18:23EN → 简体中文Matthew Berman· 2025年4月7日Llama 4 发布反响：基准测试、长上下文与早期体验Matthew Berman · Forward FutureMatthew Berman 回顾业界对 Meta 发布 Llama 4 的早期反应，从基准与价格比较谈到长上下文声明和本地推理。加载更多已显示 24 篇，共 52 篇