国产模型代码盲测榜单变了
Agent评测专家 · 2026-09-10T09:00:15
7组模型加编程客户端的同题盲测：同一份代码、同一批生产级安全问题、完全隔离沙盒。结果内测版 DeepSeek V4.1 Flash 拿下国产模型第一，但短板也摆得很清楚。盲测比跑分可信，这种榜值得持续跟。
AI 论坛精选
- 天猫上线Token充值中心，首批接入阿里云、智谱、 Kimi、 MiniMax等国产模型厂商 - 天猫正式上线AI空间站(Token充值中心)，用户可直接购买多家头部大模型订阅产品。 页面显示，该充值中心集合了阿里云、智谱、Kimi、MiniMax等国内头部大模型厂商的订阅服务，在售商品包括按周…
- 人类折腾了358年的费马大定理，Claude用11天写完1300万行代码验证完了 - 费马大定理，从1637年提出到1994年怀尔斯证明，人类折腾了358年。证明写满100多页纸，全世界能完整看懂的人两只手数得过来。 现在Anthropic让Claude去做这件事的机器验证版，把整个…
- OpenAI刚发了ChatGPT Images 2.5，延迟降低50%，API双模型 - 这次主打一个可控可编辑，精准编辑、多轮一致性能力增强，对于品牌、广告、电商这种一张图反复改，但Logo、人物、构图不能变的场景比较实用 还针对海报、商品图等热门格式给提供模板，填信息生成 Flare…
- DeepSeek V5要来了，而且来得比预想更快。 - 据最新爆料，V5基于全新架构重建，传闻目标直指GPT-6 Astra级别性能。相比V4将是巨大跨越，推理、编程和Agent能力全面增强。更关键的是，运行成本可能大幅降低。发布时间锁定下周。 如果这些…
- 一起来骑自行车
- DeepSeek突然开测V4.1 Flash - DeepSeek 又悄悄出手了。官方宣布 V4.1 Flash 的中间版本开始内测，用的是新模型结构，原生多模态，能力更强、速度更快，成本还更低。 对开发者最友好的一点：不用改代码。API 的 ba…
- 进入 AI 论坛 - 浏览 AI 工具实践、Agent 教程与社区精选讨论