DeepSeek V4.1 Flash——一场两天内测，验证 Flash 能否取代 Pro
DeepSeek 于 2026 年 9 月 8 日开启 V4.1 Flash 两天限时内测：新架构 + 原生多模态，社区实测普遍超 300 token/s。随测反馈问卷直接询问该模型能否全面替换 V4 Pro。在 9 月 10 日过期前，这篇拆解内测透露的产品策略。
Judy4 分钟阅读
Model & Benchmarks
本分类共 17 篇文章。
GPT-6 Astra：OpenAI 最能干、也最受设防的模型
GPT-6 Astra 是 OpenAI 迄今能力最强、限制也最多的模型：规格与定价、ARC-AGI-3 分数争议、Critical 级网络安全认定背后的真实故事，以及单人创业者应该怎么做。
Kostja5 分钟阅读
Gemini 3.8 Flash——谷歌新的编程与 Agent 主力模型
Gemini 3.8 Flash 是谷歌新的编程与 Agent 主力模型：DeepSWE v1.1 得分 73.7%、支持 1M 上下文、年底前保持 $0.75/$3.75 低价，另有一个仅限受审防御方使用的 Cyber 孪生版。本文解读规格、基准真相与在 Floatboat…
Kostja5 分钟阅读
MiniMax H3 Max 直播演示：生成速度比播放还快
fal 在 2026 年 8 月演示的 H3 Max Live，让 AI 视频生成速度快过播放速度，实现了可持续运转的「无限 AI 直播」——Twitch 观众用 !prompt 指令即可在几秒内切换下一幕。本文讲清 H3 Max Live 与 MiniMax H3、H3…
Tan Shaoqing5 分钟阅读
DeepSeek V4 Pro 0813——悄无声息的 GA，与它真正改变的东西
DeepSeek V4 Pro 0813 在没有发布公告的情况下悄悄转正（GA）。本文整理其完整规格、官方声称的 Agent 基准成绩、8 月 16 日涨价前的定价窗口、与预览版相比的真实变化，以及它与同周发布的 Grok 4.6 的正面较量。
Judy4 分钟阅读
GLM-5.3：后训练扩展、开放权重的编码能力，与网络安全意外
GLM-5.3 沿用 GLM-5.2 基座，仅靠后训练扩展就换来约 50% 的编码能力提升。本文拆解 Terminal-Bench、DeepSWE 成绩、网络安全意外、开放权重节奏、定价与局限。
Ketd3 分钟阅读
Grok 4.6 解析：Agentic 前沿模型、基准数字与现实检验
Grok 4.6 深度解读：50 万 token 上下文、$2/$6 定价背后藏着 20 万 token 的价格陷阱、官方基准与独立评测的数字差异，以及它与 DeepSeek V4 Pro 0813 同周对垒时的选型逻辑。
Jade4 分钟阅读
MiniMax H3 是什么——开放的全模态视频模型
MiniMax H3 是开放权重的全模态（Omni-Modal）视频模型：一个系统读入文本、图片、视频与音频作为同一段上下文，一次前向即产出带同步立体声的成片，支持最高 2K、15 秒、24 FPS 输出。本文讲清 FL2VA 与 Ref2VA…
Jade3 分钟阅读
GPT-5.6 已发布——Sol、Terra 与 Luna 改变了什么
GPT-5.6 的 Sol、Terra、Luna 三档模型现已全面上线（GA）。本文解析 Ultra 模式的子 Agent 编排、最高推理强度（Max Reasoning）与重新设计的提示缓存，并说明三级定价如何改变持续运行 AI Agent…
Judy5 分钟阅读
Effort Control 与 Fast Mode：AI 工作该多想还是该求快
Effort Control 帮助单人经营者决定：哪些任务该让 AI 深入思考、哪些该跑得更快、哪些用轻量投入就好。作者用几十次真实会话经验给出任务到投入档位的对照框架，并指出默认「拉满投入」与「Fast Mode 留到以后」两种直觉都是陷阱。
Nova1 分钟阅读
Gemini 3.5 集成对单人创业者意味着什么
Gemini 3.5 Flash 上线后，真正的问题不是「它好不好」，而是 Gemini 3.5 integration 是否真的改变你干活的方式，还是只是多一个要管理的模型。本文用真实任务实测 1M 上下文、速度与成本，给出什么时候该开、什么时候别开的多模型决策框架。
Nova2 分钟阅读
Meta Muse Spark 对比 GPT-5.4：新模型如何影响一人公司经营
Meta Muse Spark 被称为 Llama 4 的继任者，但它真的适合你的业务吗？Nova 从基准实测、切换成本与工作流整合三个角度拆解：对单人创业者来说，什么才真正改变产出。
Nova2 分钟阅读
GPT Image 2 漫画创作实战：单人创作者的全章工作流
GPT Image 2 能渲染可读的 CJK 文字并保持跨格角色一致性——本文用一次四页日漫测试讲清单人日漫/美漫创作者如何搭建整章工作流：角色一致性、对白气泡、SFX、场景背景衔接的做法与局限，以及每周产出 30+ 格的资产管理。
Nova2 分钟阅读
一个人能用 GPT Image 2 做完一整组分镜吗？
GPT Image 2 能独立产出可用的影视或短视频分镜吗？一位单人创作者实测 24 帧短片分镜，本文讲清它擅长什么、在哪里翻车，以及何时该请真人分镜师、何时用 GPT Image 2 就够了。
Nova2 分钟阅读
OpenAI GPT-6：为什么一人公司现在就该准备
GPT-6 即将发布。但真正该准备的不是「GPT-6 策略」，而是工作底下的脚手架：可复用的工作流、能迁移到任何模型的上下文体系。本文整理已知信号与时间线，并给出在新模型落地前就该做好的准备清单。
Nova2 分钟阅读
Grok 3 API 开放了——它真的降低了单人创业者的 AI 成本门槛吗？
Grok 3 API 现已开放，定价公开。这对跑 AI 工作流的一人公司意味着什么？本文基于两个月的 API 实测给出结论：真正便宜的是 Grok 3 Mini 与 Fast 变体，而且多数单人创业者真正的瓶颈从来不是 token 账单。
Nova2 分钟阅读
DeepSeek V4 API：对单人创业者的成本真相与真实影响
DeepSeek V4 能把推理成本大幅打下来，但截至 2026 年 4 月中旬它尚未正式发布。Nova 拆解 V4 的架构创新、预测定价、自托管门槛，并直言：便宜的 token 并不会自动带来更好的工作流。
Nova3 分钟阅读
/zh/blog/category/model-benchmarks