教你用AI创作绘本、动画和互动课件
本文介绍了腾讯出品的AI趣味学习社区“懂了鸭”，一款面向青少儿成长、融合趣味学习与AI创作的内容平台。作者实测演示了其四大核心功能：生成闯关小游戏、做动画、做绘本和制作动态课件，并详细说明了知识树分类、作品改编、模型选择（Deepseek、混元、GLM等）以及积分消耗情况。平台目前处于邀请内测阶段，注册即送积分，适合家长和教师为孩子快速创作AI教育内容。
全部文档 / 标签: 实测
48 篇
我用 Opus 5.5 做了 5 部动画：“一句话生成”的真相
作者在 Opus 5.5 发布后实测“一句话生成动画”的真实效果，从 5 秒片名卡做到 195 秒讲解动画，共完成 5 部作品。结论是：一句话确实能生成好看的内容，但成功区间很窄——只有短、内容自由、无标准答案的片名卡一次通过。片子一长、内容一定，就出现牙齿数量错误、画面冻结、占位文字残留等细节问题，需借助独立 AI 审查与人工把关。作者总结：意图与感知只能由人提供，并给出开工前给齐决定、先看抽帧拼图、另开 AI 审查、反馈带时间码、沉淀素材五条实践建议。
踩了一个月的坑，EverOS 看两次就总结成了 Skill
作者分享了使用 EverOS Cloud 为 AI Agent 构建记忆层的实测体验。他通过自动生成 X 引用帖配图的工作流，总结了生图提示词敏感词、图片压缩、后台任务管理等踩坑经验。EverOS Cloud 能将 Agent 的任务过程存为 Case，自动提炼出可复用的 Skill（如「生成合规图像并添加水印」SOP），支持中英文混合检索（不到100毫秒）、业务资料接入、API 轻量集成、可视化管理记忆，并提供云端与开源自托管两种部署方式。作者认为，Agent 没有记忆就像每天重新带的实习生，能把经验攒下来才能成为靠谱的老员工，对一人公司尤其有价值。
实测OpenCode的DeepSeek V4.1 Flash：一段提示词直出动效视频
作者实测使用OpenCode搭配DeepSeek V4.1 Flash模型，通过一段完整提示词直接生成了一段22秒的智能手表产品动效视频。提示词详细规定了画面风格（电光蓝配白）、分镜节奏、动效与配乐要求。整个生成过程耗时近5个小时，作者评价效果尚可但生成时间极长，并在回复中表示'OpenCode拉完了'，认为其表现不佳。文中还公开了完整的三段式提示词供他人复刻。
同样 10 美元，OpenCode Go 和 Command Code GOAT 选哪个？基于 6 万多条记录的实测对比
作者将 OpenCode Go 和 Command Code GOAT 两个 10 美元/月的套餐接入自己的 Sub2API 网关，基于 64,648 条使用记录和小规模质量测试进行实测对比。两者月额度均为 80 美元，OpenCode 短时额度更大（5 小时 16 美元、周 40 美元），GOAT 为 14/35 美元。在相近规模流式请求中 GOAT 耗时中位数和 P95 更短，400 错误也显著更少。结论：接自己的 Agent 或通用 API 客户端优先 GOAT；用于兼容的 coding agent 且集中跑任务则选 OpenCode Go。文章还讨论了处理费、高峰定价、参数兼容问题和模型是否量化等细节。
我让 AI 翻旧经验，真正用上的竟然排第三
作者分享了在 AI 视频创作中使用 EverOS Cloud 记忆层的实测体验。通过将三条旧项目的创作经验（任务目标、修改理由、最终取舍）整理成卡片存入记忆库，Agent 在接到新 Brief 时先检索相关经验再写提纲。对照实验显示，检索分数最高的预告片经验仅作背景，真正被采用的是排第三的香氛修改卡，其'修改要求落到具体位置、比例和留白'的判断被融入提纲。但也发现旧经验可能带偏任务目标，需人工把关。作者结论：旧经验能借的是判断方法，最终取舍仍由人决定。
谷歌最新AI模型 Gemini 4 Argon，第一手测评来了！
Google 发布新一代旗舰模型 Gemini 4 Argon，主打复杂长流程任务的深度推理，输出 token 上限达 100 万，行业第一。官方跑分 19 项中拿下 14 项第一，第三方测试显示其幻觉率全场最低（15%），且成本仅为 GPT-6 Astra 的六成。作者通过两个实测案例进行对比：俄罗斯方块游戏中 Argon 5 分钟一次写完 4.7 万字符代码，速度是 Astra 的两倍多，验证了长输出能力；但番茄钟前端设计对比中，Argon 功能完整却设计粗糙并有 UI bug，验证了其前端偏弱的爆料。结论：Argon 硬实力强、长代码能力实锤，但前端精细活不是主场。
国内怎么丝滑用 Claude Code？我的 AICodeMirror + CC Switch 实测来告诉你
作者实测了 AICodeMirror 中转站配合 CC Switch 在国内使用 Claude Code 的体验。通过两个硬核任务验证：一句提示词生成 3D 鹈鹕踩单车动画，以及将开源项目 Pi Agent Desktop 的核心依赖跨大版本升级并成功合并 PR。结果显示 AICodeMirror 接入的是正宗 Claude Sonnet，速度达 60-70 token/s，价格约为官方 4.2 折，且连接稳定无断流。配合 CC Switch 可三分钟完成配置，新用户还送 8 元体验金。
Grok Bot用不起，你可以试试DeepSeek Bot
本文介绍了DeepSeek Harness平台上的DeepSeek Bot插件，作为Grok Bot的替代方案。DeepSeek Bot支持多Bot多智能体团队协作，每个Bot可设置角色、模型和长期记忆，默认由Chief主管分派任务。文章详细讲解了安装部署、配置Chief、组建Bot团队及建群讨论的实操过程，并指出其门槛低、适合普通用户体验Agent玩法。
多 Agent 现在到底能干到什么程度？我组了一个 AI 团队实测了一轮
作者在 Teamily AI 平台上组建了一个包含三个 AI 成员和一位人类伙伴的群组，实测多 Agent 协作能力：为尚未上线的 AI 编程课制作宣传页。文章总结了多 Agent 系统易犯的三类错误（错误传递、交接丢条件、缺乏验收），并设定三个观察点：分工是否清晰、改动能否传递、交付前有无审核。实测中 AI 团队展现了组队排任务、接住反馈、按事实调整的能力，但作者强调业务前提（如课程未上线）仍需人来把关，审核报告也需追问核实依据。最终交付了可分享的宣传页 Demo，作者收获是学会了如何给 AI 团队提需求。
白嫖一个 .com 域名，似乎永久续期？
作者分享了通过 Northwest Registered Agent 免费注册 .com 域名的实测经历。该服务商首个域名免费（最高支持 $25），提供免费 WHOIS 隐私保护，官方称域名留在其平台则续费免费。作者实测 8 天后确认域名正常解析、可修改 Nameserver，并成功接入 Cloudflare 托管 DNS 和 CDN。使用 Gmail 注册账号、Kraken 英国卡付款完成流程。文章提醒后台仍显示续费 $15.99，明年能否继续免费尚不确定。
5分钟成功注册 Muse AI！10月1日实测，秒过！
作者实测分享通过 Airtap 远程浏览器注册 Muse AI（一款热门 Personal Agent 产品）的完整教程。流程为：用 Google 账号登录 Airtap，发送提示词让 AI 浏览器打开 muse.ai 注册页面，依次完成 Google 邮箱验证、基本信息填写和信用卡验证（作者使用招行国际信用卡），全程约5分钟秒过。文章特别提醒新用户需在注册后48小时内到 设置→通用→兑现推荐码 处兑换推荐码 KYCT0I，可领取10亿 Muse 词元奖励。作者指出注册对环境有要求，直接访问易卡住，该方法适合此前注册失败的用户。
Claude 被封号后，我找到了买 Max 成品号+代充值的新路子：Sukai 实测
作者的 Claude Max 20X 账号被封后，因无外币卡、虚拟卡易被风控而难以重新订阅，于是实测了 Sukai 平台的成品号购买与代充服务。文章详细记录了用 OKX Web3 钱包通过 USDT（推荐 TRC20）链上充值、下单 Claude 成品号、等待交付与登录验证的全流程。实测中缺货预订 12 分钟获人工确认，不到 3 小时完成交付，账号含 2FA 和 Session 可完全接管，但需配置固定代理 IP 才能登录。代充方面 GPT Plus $17/月、Pro 20x $150/月，低于官方价。文章同时提醒封号不在质保范围、建议小额试水等风险，并附赠 OKX 闲置 USDT 生息的小技巧。
Grok Bot 有了新对手？Manus 新产品 Cue 的第一轮实测
作者实测了 Manus 推出的多 Agent 产品 Cue。Cue 允许用户创建多个 Agent，为它们分配邮箱、电话号码、钱包和桌面，Agent 之间可以单独传话或组群聊协作。文章详细体验了创建 Agent、查看独立桌面、设置自动化任务、邮箱收信、电话与支付等功能。作者发现邮箱需要手动提醒、收信不稳定，电话和支付仅限部分地区，连接器以国外服务为主。总体评价 Cue 方向与 Grok Bot 相似但仍是'毛坯房'，基础体验有待完善，更看好其 Skills 和连接器的发展潜力。文末附邀请码 MEETCUE。
Muse到底能做什么？六天44个任务实测
作者通过六天44项实际任务，实测Muse Agent的能力，回应外界质疑。文章记录了Muse接入Gmail、GitHub、腾讯文档、自建MCP服务等11个真实系统的过程，并产出9篇文档、9支视觉视频（含宣传片与讲解视频）、完成6场深夜排障、建立5项自动化提醒。作者强调HUMAN IN THE LOOP原则：花钱、发布、删除等有后果的操作必须经人确认。核心观点是：Agent的能力上限取决于它能接入多少真实系统，而真正的上限在于用户的想象力与实践力，Agent的价值在于用证据干活、错了就认。
一次独立复现：CLM 的 DeepSWE 数字能跑出来，但它不是平均值
作者对开源项目 CLM（Contrastive Language Models）声称的 DeepSWE 81.6% SOTA 成绩进行了独立复现。通过三重验证（常数分数测试、用作者自带分数复算、checkpoint 哈希校验），确认 fold1 的 81.579% 可精确复现。但深入分析发现，该项目采用三折交叉验证，公布的数字是最优折，三折平均仅为 78.66%，跨度达 19 个百分点，fold2 甚至低于随机基线（主要因小样本高方差）。文章还验证了 CLM 训练成本低（纯 CPU 分钟级）、编码器可在 macOS 上运行、预训练头在 1000 条数据以内有效等结论，并指出 README 中复现命令路径失效、评估脚本未公开等问题。
把 Jev 插进 RAG：爆速与降本到底能不能实现，实测验证
本文实测了 TypeSafe AI 发布的不生成文本的 AI 模型 Jev 在 RAG 检索流程中的效果。作者在重排、回答判断、检索前置门卫三个环节插入 Jev 进行验证：重排方面，Jev 以八分之一的成本达到接近 Cohere Rerank 的精度；在调用 LLM 之前用 Jev 判断「无法回答」，响应速度提升 5.6 倍，成本降至二十七分之一；在检索之前拦掉范围外提问，速度提升 7.4 倍，成本降至七十五分之一。此外，Jev 还能一次请求同时完成重排和回答判断。结论是用 Jev 改善 RAG 速度与成本可行，但需慎重设定阈值，避免误拦可回答问题。
我用两周时间将真实工作交给 GPT-6 Astra，结果令人惊艳
作者用两周时间在编程、销售、财务、客服、法务和电商等场景中实测 GPT-6 Astra。核心发现：传统自动化在可预测输入下仍最优，而 Astra 适合需要判断力的“混乱中间地带”；它能操作从未见过的软件界面（如 CRM、后台系统）；作为编码 Agent 可定位并修复真实 bug 并补测试；能端到端完成销售准备、竞品分析和财务数据处理等完整工作流。作者建议拆分成多个窄领域 Agent 使用，并从现有工作流出发而非凭空构建场景。
实测 Meta Muse：一台云端电脑里的个人 Agent
作者实测了 Meta 的 Muse——一个运行在 Secure VM 中的个人 AI Agent。文章介绍了其界面结构（Chat、Feed、Ideas、Goals、Library、Settings），讲解了 Library 中 Media、Artifacts、上传文件三者的区别，演示了生成 HTML Artifact、上传文件读取和短视频生成。还重点说明了定时任务与 Polls 的轮询机制、Connectors 的能力开关与 Google OAuth 登录的区别、Secure store 的安全模型，以及购物需逐单审批的限制。结论认为 Muse 适合作为云端个人助理，浏览器+Connectors+审批机制是其核心优势。
如何玩转参考图？我总结出了这句短提示词
作者在做剧时遇到参考图迁移提示词难写的问题，通过大量跑图试验，总结出一句简短提示词模板：「将图一的【对应维度】迁移到图二，保持图二的主体身份与主要内容」。他将图片风格拆解为17个维度（光线调色、成像质感、摄影空间、造型媒介四大类），逐项单独测试迁移效果，记录每项的收获与代价。结论是：短提示词写起来快、能直接感知画面变化，虽可能需要两三轮迭代，但相比AI生成的复杂长提示词效果偏差不大，且维度可灵活混合叠加使用。
GrokBot 实测：Agent 的下一种形态，还是 AGI 的起点？
文章实测了 xAI 与 Cursor 团队联合推出的新产品 GrokBot。作者将市面 Agent 分为三类：闭源桌面办公 Agent、开源系统级 Agent、IDE/终端编码 Agent，指出 GrokBot 属于全新的 Bot 驱动形态——它是'数字员工'而非工具箱，每个 Bot 对应一个领域职责，拥有极强的电脑操控能力，本机不在线时可在云电脑上 7×24 运行。实测中，GrokBot 完成了写公众号文章、配图排版、操作浏览器插件存入草稿箱等全流程任务，并支持多端同步与多 Bot 协作。作者认为其设计更简单、运行更稳定、能力更强，已初具'贾维斯'的样子，预示移动办公是未来。
在折腾9个月后，手机Agent的王者，豆包手机助手它回来了
搭载豆包手机助手消费者版本的努比亚NaviX Ultra正式发布开售。作者提前拿到真机并实测：AI键首次加入指纹鉴权，保护隐私安全；复杂长程任务能力提升，可一次性完成飞书报销等流程，并支持任务排队与插队；记忆功能大幅升级，可记住用户偏好并自动执行重复任务；支持把跑通的流程保存为快捷指令；能理解屏幕内容直接干活；系统级应用如相机、录音接入更多AI能力。文章同时指出免费额度有限及生态支持受限等不足。
小白实测：从零搭建闲鱼自动化系统，自动上架、AI客服、自动发货
作者锦鲤以小白视角实测闲鱼自动化副业，利用百度网盘、Codex和闲鱼MCP搭建从选品、上架到客服、自动发货的流水线。通过两次实操，验证了商品草稿生成、关键词自动回复及1元测试订单自动发货链路。文章强调自动化只能替代重复劳动，不能替代生意判断，并提醒注意版权、账号安全与平台风控，适合自有合法数字产品的小范围测试。
我是怎么用 ChatGPT Astra 一次通关羊了个羊的？
作者实测让 ChatGPT 的 Astra（电脑操作 Agent）自动通关游戏《羊了个羊》。在『轻度』模式下，Astra 花约 40 分钟通关，仅用了一次道具，但 5 小时额度耗尽，靠赠送的重置额度才完成。文中总结了 Astra 的工作原理：先做规划，再通过截图识别、OCR、Playwright 等工具分析执行，最后统一思考、批量操作，从而控制成本，这也解释了 OpenAI 采购大量 Mac mini 的原因。作者还提醒并发操作可能触发微信风控，并分享了其 AI 公众号。
Image 2.5 的出现，让 Prompt 的价值正在下降
作者以电商从业者视角实测 OpenAI 新发布的生图模型 Image 2.5，通过六个真实场景测试：主体换场景、连续四轮局部修改、跨境电商产品图、复杂中文海报、Sketch 草图生图等。结果显示新模型在参考图主体保留、局部精确修改、多轮编辑稳定性和中文文字控制上均有明显提升，生成延迟最多降低 50%。作者认为 AI 生图的竞争正从“能否生成漂亮图片”转向“能否把图片稳定地改到可用”，Prompt 依赖降低，普通人借助 Sketch 等功能更容易表达创意。
GPT-Image 2.5 实测：普通人最容易上手，效果最好的生图模型
OpenAI 发布 GPT-Image 2.5，包含 Flare 和 Sunburst 两款模型，生成延迟最高降低 50%，局部编辑更精准，新增 Sketch 手绘、图片批注和模板功能。作者通过连续修改桌面图、透明背景导出、草图转效果图、中文信息图定点编辑和 Poster 模板五个实测，验证了多轮编辑稳定性、透明通道真实性、草图布局还原、文字修改准确性和模板引导流程。结果显示 2.5 能跑通小步精修流程，但未修改区域仍会轻微重绘，像素级精确编辑仍需专业工具。
GPT Images 2.5 一手实测，这也太颠了
OpenAI 发布 ChatGPT Images 2.5，对图像生成能力全面升级。核心改进包括速度更快、画面更逼真、编辑与微调更精准。新增 Sketch 功能，用户可直接在 ChatGPT 中绘制草图，由模型生成完整图像，还支持将简笔画转为艺术风格、Logo 或 3D 黏土风格。生图过程新增进度条，光照与纹理更自然，并提供自由画布选风格、海报商品图模板、照片一键合成、图上标注编辑等功能。同时推出 GPT-Image-2.5 Flare 和 Sunburst 两个新模型，向所有 ChatGPT、Work 和 Codex 用户开放。
GPT-6 实测一整天：用了两年半 GPT，这是我第一次觉得 AI 真换代了
作者陈硕实测 GPT-6 Astra 一整天，通过 30-45 分钟制作可跑的 3D 游戏 Demo，验证了其核心能力。文章总结了 GPT-6 的四大升级：Computer Use 真正执行操作、异步工具调用、任务中追加指令、推理强度按阶段切换。还筛选了 X 上三个典型案例：重建火车图为 3295 个可编辑对象、自动跑模拟器测试、核对 41 份财务文件。作者强调应将 AI 整合进工作流，拆分输入、工具调用、验收和人工确认环节，而非神化模型能力，敏感操作仍需人工把关。
实测智谱 GLM-5.3-Flash，我称之为能稳稳把 DeepSeek 纳入斩杀线
作者实测智谱新发布的 GLM-5.3-Flash 模型，对比 DeepSeek V4 Flash 的价格与性能。该模型每百万 Token 输入 0.8 元、输出 2.8 元，在 Artificial Analysis 榜单上以 $0.045 成本获得 57 智力分，14 项 benchmark 中赢 DeepSeek 11 项，视觉端六项全胜，与 Opus 4.8 对比 13 项赢 9 项。实际测试中，模型可通过一句话从截图、视频、链接复刻网站（如 GitHub、3D 游戏 Krunker），前端与视觉能力极强。作者计划将日常 coding 和 agent 任务分流给它以节省成本。
本地小模型实测！Ling-3.0-tiny vs Qwen3.5-9B
作者在 AMD Ryzen AI MAX+ 395 小主机上，用相同提示词和 Hermes 环境，对 Ling-3.0-tiny 与 Qwen3.5-9B（均 Q8_0、64K 上下文）跑三份真实业务任务：电商中台需求整理、商务合作决策备忘录、X 长文数据分析。结果 Ling 在前两轮抓住主线、输出可继续修改，总耗时仅约为 Qwen 的 56%；Qwen 在数据题上更稳，但商务任务两次失控，一次忘记任务、一次虚构公司实体。作者最终选择 Ling 作为默认模型，并强调应以模型最差一轮而非最好一轮作为取舍标准，同时收紧本地 Agent 的权限边界，保持人工把关。
