第 1 条附言 · 4 小时 9 分钟前
第 2 条附言 · 2 小时 41 分钟前
(arena)用一段简单代码对比测试(prompt 由 claude opus 生成, 不完全测试), 简单评价(模型均为最新最好)一下:
顶级: claude > chatgpt
优等: gemini > grok
对比 1: glm-5 > qwen
对比 2: kimi > longcat mimo
劣等: 豆包, deepseek, minimax, ernie
推荐使用方式:
关注模型评测网站, 选择表现好的实际网站, 在实际网站上选择表现好的最新最好模型, 不要使用快速模式.
生活化选择手机的语音 ai 或者豆包/品牌自带, 工作用顶级优等模型, 学习用优等及国产顶级模型, 龙虾关注次等模型厂商的 coding plan, 不要关注过于小众表现差的模型.
顶级: claude > chatgpt
优等: gemini > grok
对比 1: glm-5 > qwen
对比 2: kimi > longcat mimo
劣等: 豆包, deepseek, minimax, ernie
推荐使用方式:
关注模型评测网站, 选择表现好的实际网站, 在实际网站上选择表现好的最新最好模型, 不要使用快速模式.
生活化选择手机的语音 ai 或者豆包/品牌自带, 工作用顶级优等模型, 学习用优等及国产顶级模型, 龙虾关注次等模型厂商的 coding plan, 不要关注过于小众表现差的模型.
2 条回复 • 2026-04-03 19:06:18 +08:00
 |
1
avenger 4 小时 20 分钟前
|
 |
2
kuhung 4 小时 10 分钟前
我认为 arena 的主观打分盲测更靠谱 只要有排行，就免不了那啥
要不就是使用主流最新模型，其他的看看就得了 |
Select Language