#评测
GPT Images 2.0 实测：10 大应用场景详解，中文字体支持重大升级
GPT Images 2.0 发布后第一时间进行了实测。这次从多个实用应用领域测试了 Images 2.0 模型的能力，结果令人印象深刻。
苏米注：最明显的进步是中文字体支持，基本没有错别字，复杂图形的排版布局能力也大幅提升。
1. 一…
AI操作系统三国杀：Hermes vs OpenClaw vs WorkBuddy 全方位对比评测
2025-2026 年，AI操作系统赛道突然热闹起来。三个代表性产品走出了三条完全不同的路：
Hermes Agent：开源极客路线
OpenClaw：本地隐私优先
WorkBuddy：大厂生态路线
苏米注：这场"三国杀"本质上不是技…
Hermes 接入 Kimi K2.6 实测：SOTA 代码能力深度评测，不限流但推理速度慢
昨天 Kimi Code 悄悄推了一条通知：K2.6-code-preview 已上线，向所有订阅用户开放。今天我把 Hermes 里 23 个 Agent 全切了过去，跑了整整一天。
结论先说：K2.6 目前是我用过的国产编程模型里最强的…
Hermes Agent vs OpenClaw 深度对比：47k Star 新贵与 349k 老牌谁更强？
最近，Nous Research 发布了一个新项目 Hermes Agent，短短几天就收获了 47.2k Star 和 6.1k Fork。作为一个 OpenClaw 深度用户，我决定花一周时间深度体验，从安装部署到源码架构，全方位对比这…
GLM-5.1 代码能力实测：SWE-Bench Pro 全球第一，长程任务可连续工作 8 小时
2026 年 4 月 8 日，智谱发布了 GLM-5.1 模型更新。官方博客披露的评测数据显示，这款开源模型在 SWE-Bench Pro（真实 GitHub 工程 Bug 修复）榜单上取得了 58.4 分，超越 GPT-5.4（57.7 …
LMArena：这个大模型评测试用台，全免费！GPT-5.2、Claude 4.5、Gemini 3 随便用
作为一名常年跑新模型、做选型评测的产品经理，如果只把 LMArena 视为一个查看“公开模型对比平台”，那你就错了。
普通用户可以在这里薅羊毛。
你可以免费体验 GPT-5.2、Gemini 3 Pro、C…
OpenCode + oh-my-opencode，这才是编程AI Agent该有的样子
作为长期评测 AI 开发工具的产品经理，我对“AI 写代码”这类产品向来谨慎。多数工具能快速生成片段，但难以在真实项目里长期稳定地协作。
过去一段时间我在两个持续迭代的代码库里用 OpenCode 做了多轮试用，最大…
盘点4个AI大模型评测榜单网站，2026最全 AI 大模型选型榜单参考指南，建议收藏！
最近这半年，各大模型厂商密集发布新版本，从OpenAI、Anthropic到国内的GLM、Qwen，新模型层出不穷。
问题随之而来：这些模型到底处于什么水平？性能、成本、推理速度如何权衡？
如果你也有过这样的困惑，比如GLM 4.7发布后不…