筛选结果
149 篇排序
0:21EN → 简体中文
Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表，随后发现图中的数字只是示意性占位值。
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。
12:14EN → 简体中文Matthew Berman· 2026年10月14日Gemini 4 Argon 实测：3D 演示、电子表格原型与基准成绩Matthew Berman · Forward FutureMatthew Berman 用游戏和视觉项目测试 Google 模型，并比较公布的编程与智能体基准。
10:36EN → 简体中文Matthew Berman· 2026年10月13日Meta Muse Wonder 实测：基准成绩强劲，演示表现不一，额度限制影响体验Matthew Berman · Forward FutureMatthew Berman 测试 Meta 模型的浏览器演示，并分析公开的基准成绩、使用方式和成本。
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。
31:59EN → 简体中文Matthew Berman· 2026年9月23日Claude Opus 5.5：基准、成本与 Anthropic 对放缓的看法Matthew Berman, Thariq · Forward FutureMatthew Berman 回顾发布内容，并与 Anthropic 的 Thariq 讨论日常工作流、评测和智能体框架。
7:26EN → 简体中文Matthew Berman· 2026年9月23日GPT-6 Sol 与 Luna：价格与基准测试的权衡Matthew Berman · Forward FutureMatthew Berman 解析 OpenAI 2026 年 9 月的发布，比较 API 价格及公布的智能体基准结果与更大模型的差异。
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。
13:31EN → 简体中文Matthew Berman· 2026年9月4日Matthew Berman 用游戏和浏览器任务测试 GPT-6 AstraMatthew Berman · Forward Future抢先体验展示了可玩的原型、计算机操作演示及赞助商的企业评测，同时讨论视觉风格和局限。
1:05:23EN → 简体中文Matthew Berman· 2026年9月3日Matthew Berman 测试 GPT-6 Astra：基准、浏览器智能体与游戏Matthew Berman · Forward Future这次抢先体验将模型基准和价格与实际浏览器工作流、演示文稿及各类生成游戏相对照。
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。
13:09EN → 简体中文Matthew Berman· 2026年8月14日AI 新闻：超高速推理、Claude 水印与新模型Matthew Berman · Forward FutureMatthew Berman 回顾超高速编码预览、文本水印、Grok Bot、开放权重模型和 Computer History。
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。
52:29EN → 简体中文Matthew Berman· 2026年7月24日Claude Opus 5：基准测试、任务成本与初步体验Matthew Berman · Forward FutureMatthew Berman 直播解读模型发布、评测和定价，并说明为什么完成任务的成本比单纯的 token 单价更值得关注。
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。
12:12EN → 简体中文Matthew Berman· 2026年7月18日Kimi K3：编程基准、成本与开放权重 AI 竞争Matthew Berman · Forward FutureMatthew Berman 考察 Kimi K3 的早期基准成绩、单任务成本和一个魔方模拟器，并讨论这些结果的局限。
0:25EN → 简体中文Matthew Berman· 2026年7月17日Kimi K3 登顶一项前端编程榜单Matthew Berman · Forward FutureMatthew Berman 介绍 Moonshot AI 的 2.8 万亿参数模型及其早期 Arena 成绩。这份榜单只涵盖一类任务，模型权重在视频发布后才开放。
1:48:47EN → 简体中文Matthew Berman· 2026年6月9日Claude Fable 5 发布：现场编程测试、成本与安全措施Matthew Berman · Forward FutureMatthew Berman 回顾一周的早期使用，排查发布当天的推送问题，并现场测试浏览器应用及开放数学难题。
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。加载更多已显示 24 篇，共 149 篇