https://aiya.pw/reviews.html 真实使用过的 AI 工具与模型测评，帮助你做选择。 zh-CN https://aiya.pw/icons/icon.jpg https://aiya.pw AI 180 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r051&type=review 把一个主题的资料——PDF、网页、视频字幕、你的笔记——全部丢进去，用问答的方式把它读薄。最实用的是两点：回答会标出出处段落，能一键跳回原文核对；以及把长材料转成两个人对谈的音频概览，通勤时听完一份报告。适合做研究、写材料前的资料准备。 — 结论：NotebookLM 值得放进研究工作流的前半段——资料收集齐了之后，用它快速建立地图，再去读原文验证细节。别把它当搜索引擎用，它的价值来自你给的那一堆材料。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r051&type=review https://aiya.pw/article.html?id=r052&type=review Mistral 的对话入口，最突出的感受是快——同样的问题，回复几乎是立刻开始往外吐字。它同时提供轻量与小尺寸的旗舰档位，还给开发者留了自部署的通路，对数据不能出境的团队比较友好。多语言表现均衡，写作与翻译这类日常任务是它的舒适区。 — 结论：Mistral Le Chat 适合作为多语言高频任务的执行模型，尤其是对数据位置有要求的团队。如果你的核心是复杂推理与中文长文，它更适合当第二选择而不是唯一选择。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r052&type=review https://aiya.pw/article.html?id=r053&type=review 文生视频里最早被大众记住的产品，长处在于长镜头下的物理一致性——人物、衣物、光影在一段连续运动里不容易崩，镜头语言也听得懂「推近、环绕、俯拍」这类指令。适合做概念短片与分镜预演，不适合指望它直接产出可交付的商业成片。 — 结论：Sora 适合需要长镜头一致性与镜头控制的创作场景，做概念片与预演很顺手。要落地成片，仍要准备后期与版权两道工序。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r053&type=review https://aiya.pw/article.html?id=r054&type=review 少数把「生成矢量图」做成核心能力的图像工具。出的是真正的 SVG 而不是位图描摹，可以直接丢进设计软件改节点、换配色、放大多倍不糊。品牌风格训练是另一条差异线：喂几张自家视觉稿，之后出图能稳定沿用同一套色与质感，做整套物料不容易跑偏。 — 结论：Recraft 适合需要统一视觉、又要求产出可编辑的团队，尤其是品牌物料与图标插画这类场景。追求照片级写实的话，它不是对的工具。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r054&type=review https://aiya.pw/article.html?id=r055&type=review 用自然语言描述需求，直接产出一个能跑的全栈应用，自带数据库、登录与部署。它的定位不是给工程师省打字，而是让没有工程背景的人把想法做成可访问的产品。前端与数据的连线它基本替你接好了，剩下的是描述清楚需求本身。 — 结论：Lovable 适合快速验证产品想法与搭建内部工具，从描述到可访问应用的链路完整。复杂业务仍需要工程师接手，把它放在原型与 MVP 阶段收益最大。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r055&type=review https://aiya.pw/article.html?id=r056&type=review 国产视频生成里较早进入实用阶段的产品，中文提示词的理解是它的天然优势——不用先把想法翻译成英文再祈祷模型听懂。图生视频的稳定性不错，给一张商品图或人像，能生成运动自然的短片段，做电商素材与短视频起画面很省事。 — 结论：可灵适合中文创作者做素材生产，图生视频尤其顺手，商品与氛围类镜头的可用性高。成片仍要靠剪辑与后期，跨段一致性需要人工把关。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r056&type=review https://aiya.pw/article.html?id=r050&type=review 9 月 21 日发布并开源的 MiMo-V2.6 系列包含 Pro 与 Flash 两个原生全模态模型，权重为 MIT 许可。Pro 在 Artificial Analysis 智能指数拿到 46 分，官方称超过 Kimi K3 与 Qwen3.8 Max、是当前最强开源模型，同时也承认与 Claude Fable 5.1、GPT-6 Astra 仍有差距。训练侧的数字很具体：不到 6 天完成，Flash 与 Pro 的训练成本分别约 85 万与 262 万美元，各 30 步、累计约 75 万条轨迹；样本外 DeepSWE v1.1 上 Flash 从 48.8 升到 65.7、Pro 从 58.4 升到 72.6。重点是价格：API 完全沿用 V2.5 系列的口径没有上调。 — 结论：这一代 MiMo-V2.6 的买点不是「开源第一」，而是「不涨价」——在 46 分这个档位上把 pro 价维持在 ¥3/¥6、缓存命中 ¥0.025，对跑长会话与多轮工具的团队是直接的成本下降。上手建议按两条线走：如果你只是用 API，先拿自己最贵的那条链路（长前缀、多轮工具调用）做一次对照，把账单口径换成「每个任务的总成本与通过率」，缓存命中率对结果的影响往往比模型分数更大；如果你要自托管或做本地部署，先跑 Flash 与 Distill-Qwen-9B 看显存与吞吐是否够用，再决定要不要上 Pro。读官方数字时记住两点：所有分数都是自报、缓存写入的免费是限时的。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r050&type=review https://aiya.pw/article.html?id=r049&type=review 9 月 22 日发布的 Claude Opus 5.5 是 Claude 5.5 家族的第一个模型，官方给的定位很直接：多数任务达到 Fable 5.1 的水平，运行成本比 Opus 5 低 40%。降的不是一项，而是整套单价——输入从 $5 降到 $4、输出从 $25 降到 $20、缓存读从 $0.50 降到 $0.20、缓存写从 $6.25 降到 $5，缓存读只有基础输入价的 0.05 倍。跑分上它在智能体编码、电脑操作与知识工作三项居前，但也有明显不是第一的项（Terminal-Bench-Science 低于 GPT-6 Astra）。更值得注意的是工程成本：随版本一起进来四个破坏性变更，其中「thinking 不能关闭」和「强制工具调用报错」会直接打到已经在 Opus 5 上跑的代码，另有一个不报错但会让流式进度提示变静默的改动。已经上线的项目升级前需要过一遍官方迁移指南。 — 结论：如果已经在用 Opus 5，这次升级的账很好算——同样的活更便宜，缓存读降到五分之一，长任务上省下的时间有官方实测数字支撑，值得升。但别当成换一个模型名那么简单：先在开发环境过一遍官方迁移指南，重点改四处——删掉 thinking 的 disabled 与手动 budget_tokens 改成 effort、把 tool_choice 的 any/tool 换成 auto 加 strict tool use、按 type 而不是位置取内容块、把 computer_20251124 换成 computer_toolset_20260801（Bedrock 上不用改）。改完还要做两件验证：一是显式设置 thinking.display 后确认工具调用之间的进度文本还在，否则用户界面会静默；二是重新扫一遍 effort，因为默认值从 high 变成 medium，不显式指定就等于降档运行。如果只是想把成本压下来、又不打算改动调用方式，可以先只升那些不用强制工具调用、也不依赖关闭 thinking 的服务。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r049&type=review https://aiya.pw/article.html?id=r048&type=review 9 月 17 日进入 beta 的 Claude Code Projects 重构，把原来的「文件夹式项目」改成「对话式项目」：你给目标与仓库，Claude 拆解任务、并行开线程、检查产出并汇总。每个线程是一个云端 Claude Code 会话，有自己的分支与仓库副本，能开 PR、跑测试；线程之间改到同一段代码时按普通 PR 的合并冲突解决。项目带共享记忆与素材库，新线程会读取既有决策。首批只面向使用云端会话、且网页与桌面端还没有既有项目的 Claude Pro / Max 订阅者，随后一周扩大范围。官方明确提示多线程会更快触及用量上限。 — 结论：这是把「智能体编排」从自建脚本变成产品能力的转折点，值得试，但要按任务类型试而不是全面切换——它擅长多仓库、多步骤、可并行的重活，日常单文件改动用它只是多花额度。上手就做两件事：先跑一个没有状态的小目标，观察共享记忆到底写进了什么、线程怎么分工；再拿一个真实的多步任务，记录额度消耗与需要人工接手的位置。判断标准很直接：如果省下的编排工作量大于你为额度与冲突解决付出的时间，它成立；如果大部分时间花在等额度或解决冲突上，就退回单会话。另外注意线程只在云端跑，代码不能出内网的团队现在还不适用。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r048&type=review https://aiya.pw/article.html?id=r047&type=review 9 月 15 日发布的 Gemini 3.8 Live 与 3.8 Live Extended Thinking 是面向开发者的实时语音模型，通过 Gemini API 与 Google AI Studio 提供。前者能在说话的同时在后台跑工具与 API 调用、处理近实时视觉输入，并在对话中途自动切换 97 种语言；后者会边说边推理，用「让我查一下」这类口头提示承接多步任务。这次发布最值得记的不是能力而是价格：音频输入每分钟 0.005 美元、输出 0.018 美元，一小时语音对话约 1.38 美元，而 OpenAI 的 GPT-Live-1 是每分钟 0.05 美元。 — 结论：这次发布把「全程语音的 Agent」推过了成本可行性线——一小时约 1.38 美元，对手至少 3 美元，差价是倍级。但决定能不能用的是另外两个数字：τ-Voice 68.6% 与银行场景的 35.1%，说明带工具调用的多步任务还有三分之一以上做不完。所以正确姿势是先用在低风险、可回退、时长可控的环节（客服首轮分流、预约信息确认），高风险操作留给人或转文字流程。要动手就先做一件事：拿自己真实的通话录音跑一轮对照，并把超时未挂断与失败重试的成本放大算进去——单价便宜三倍，并不自动等于账单便宜三倍。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r047&type=review https://aiya.pw/article.html?id=r046&type=review 9 月 10 日发布的 LingBot-World 2.0 轻量版把参数压到 1.3B，面向消费级单卡 GPU、可本地实时生成可交互世界。它和「生成一段视频」不是一回事：角色前进一步、视角转向一侧，画面都要接着生成，模型是在持续生成一个可交互的世界。官方仓库公开模型、代码与技术报告（arXiv 2607.07534），7 月的 14B 主模型已做过超过一小时的不间断生成测试，本次轻量版是让这套能力落到单卡上的取舍版本。 — 结论：这是目前门槛最低的一条「本地跑世界模型」路径——单卡、开源、能实时交互，适合先把 Demo 跑起来验证交互设计与延迟，而不是直接对标商业视频生成质量。要上产品就得先解决两件事：CC BY-NC-SA 的商用限制，以及 1.3B 在画面细节上的取舍；如果你的场景要求高保真，就该把 14B 主模型和对应的算力预算一起算进来。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r046&type=review https://aiya.pw/article.html?id=r045&type=review 9 月 8 日开源的 2B 高密度端侧语言基座模型，走 Apache-2.0。官方口径与 AA 榜单显示：综合 23 分列 4B 以下开源模型第一，Agentic Index 20 分；代码、数学、长文本、工具调用等 34 项任务平均 53.9 分同级第一。原生 128K 上下文，支持工具调用、深度搜索与代码生成，官方同步开源训练配方与数据集。本次为文本生成模型，多模态视觉能力不在该版本内。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r045&type=review https://aiya.pw/article.html?id=r044&type=review 9 月 3 日发布的 OpenAI 旗舰模型 GPT-6 Astra，官方称其在超过 10 万块 GPU 上完成训练，把长周期软件操作作为主要卖点；它也是 OpenAI 首个达到内部 Preparedness 框架“关键”（Critical）网络安全门槛的模型。API 定价每百万输入 token 10 美元、输出 50 美元，约为 GPT-5.6 Sol 的 2.5 倍，最前沿的网络攻防能力暂不全面开放。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r044&type=review https://aiya.pw/article.html?id=r043&type=review 9 月 1 日发布的 Claude Fable 5.1 是 Anthropic 当前最强的编程与知识工作模型：1M 上下文、最大输出 128K，在 Terminal-Bench 4.0 与 Humanity's Last Exam 上刷新纪录；定价与 Fable 5 持平，缓存读取从 1 美元降至 0.25 美元/百万 token。受限版 Mythos 5.1 仅面向网络安全与生命科学合作伙伴。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r043&type=review https://aiya.pw/article.html?id=r042&type=review 8 月 27 日发布的视频生成模型：可分析前 10 秒上下文续写场景（每次 +10 秒、累计最多 40 秒），支持指定首尾帧与引用最长 3 秒参考视频；新增 360p 草稿模式，速度约为 720p 的 1.6 倍、成本约 1/3，可升级 4K，API 按秒计费。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r042&type=review https://aiya.pw/article.html?id=r041&type=review 8 月 25 日发布的豆包生产力 Agent 产品：围绕目标自主拆解任务、调用工具推进复杂流程，与飞书深度打通后可基于企业上下文工作；电脑版已开放下载，能力覆盖文档、表格、PPT、网页甚至应用的生成与编辑。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r041&type=review https://aiya.pw/article.html?id=r040&type=review 8 月 19 日发布的 Ornith-1.5 开源系列旗舰：397B MoE 在部分测试中超过 Claude Opus 4.8，同系列 9B-Mobile 量化版可直接在手机上运行，训练采用「自我改进循环」机制。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r040&type=review https://aiya.pw/article.html?id=r039&type=review 8 月 14 日开源的原生多模态 27B 模型，SWE-bench Pro 61.7 超过 Opus 4.6 Max，4bit 量化约 17GB 可在消费级显卡运行，是当前单卡可跑的最强开源模型之一。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r039&type=review https://aiya.pw/article.html?id=r038&type=review 8 月 11 日发布的开源视频模型，原生支持 ComfyUI，10 秒左右可生成 720P 短视频。本地 12GB 显存可跑，是当前开源视频生成里对创作者最友好的一版。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r038&type=review https://aiya.pw/article.html?id=r033&type=review MoE 架构，2840 亿参数激活 130 亿，100 万 Token 上下文，支持思考/非思考模式切换。API 价格极低，是当前性价比最高的前沿大模型之一。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r033&type=review https://aiya.pw/article.html?id=r034&type=review 豆包 App 全量上线 SeedRealtime 全双工大模型后，成为国内首个支持同时听说交互的 AI 助手。免费、多模态、语音体验领先。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r034&type=review https://aiya.pw/article.html?id=r035&type=review 月之暗面最新旗舰模型，长文本处理能力行业领先，推理能力大幅提升。中国大模型「八周五连发」之一，在全球开发者中接受度持续走高。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r035&type=review https://aiya.pw/article.html?id=r036&type=review 基于 VS Code 的 AI 编程编辑器，支持代码补全、对话式编程、多文件编辑、Agent 模式。2026 年最热门的 AI 编程工具之一。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r036&type=review https://aiya.pw/article.html?id=r037&type=review MiniMax 最新视频模型 H3 在 Design Arena 多图生视频、图生视频、视频编辑三类全面登顶，超越 Seedance、Gemini 等闭源模型，登 Hugging Face 趋势榜第一。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r037&type=review https://aiya.pw/article.html?id=r001&type=review 上手零门槛、插件生态最完整的通用对话工具，几乎什么都能干但什么都不精。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r001&type=review https://aiya.pw/article.html?id=r006&type=review 目前最好用的 AI 编程编辑器，能理解整个代码库、跨文件修改，重构效率提升不止一个档次。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r006&type=review https://aiya.pw/article.html?id=r002&type=review 长文写作和代码质量一流，中文表达自然得不像翻译，但网络检索和实时性一般。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r002&type=review https://aiya.pw/article.html?id=r007&type=review 在终端里自主执行开发任务的 AI 代理，能读懂项目、跑命令、改代码、提交 PR，但计费方式让人又爱又恨。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r007&type=review https://aiya.pw/article.html?id=r003&type=review API 价格低到离谱、开源模型能自己部署，中文推理和代码能力可圈可点。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r003&type=review https://aiya.pw/article.html?id=r010&type=review 写一段歌词就能生成一首带人声的完整歌曲，词曲质量让人意外——零乐理也能出歌。 Wed, 30 Sep 2026 22:21:21 GMT https://aiya.pw/article.html?id=r010&type=review