文章对比了社区开源的 DS Bot（DeepSeek-Bot）与 Grok Bot 两款多角色 AI 助手。核心差异在于'动手能力'：Grok Bot 提供托管云电脑，可操作浏览器、跨网站执行任务且合盖继续运行；DS Bot 内置浏览器仅能读网页，但支持自选模型、MCP/Skills 扩展和可检查的 Markdown 记忆。文章从网页操作、模型控制权、数据与权限、成本等维度给出选购建议：不想维护、需要网页自动化选 Grok Bot；已有 API、重视控制权选 DS Bot。作者建议先用一个每周固定任务实测，再决定是否扩展。
文章介绍了决策模型（如 TypeSafe 的 Jev、Perplexity 的 Decider、Liquid 的 d1、Cloudflare 的 Clef、OpenAI 的 Decisions API）作为 LLM judge 的低成本替代方案在自动化评估中的应用。作者基于 100 条公寓租赁 Agent 的对话轨迹，测试各模型识别失败案例的性能与成本，并重点讲解决策阈值的调优：默认阈值 0.50 未必适合具体任务，需根据精确率与召回率的业务权衡（如 F1 优化或最低 80% 双重要求）来选择阈值。文章还提供了用编码 Agent 进行阈值调优的示例提示词，并讨论了校准与分数解释等实用方法。
2026年9月23日，Anthropic发布Claude Opus 5.5，OpenAI随后推出GPT-6 Sol和Luna，三家新模型共同卖点是降价：Opus 5.5单价降20%，Sol和Luna较前代降约50%。文章结合Artificial Analysis独立评测指出，标价之外，实际成本还受输出token数、缓存、effort和重试影响，三款模型能力分属不同档位，不能直接对比。作者建议以固定材料、工具链和验收标准的真实任务实测交付质量与单任务成本，用通过验收的单任务成本作为选型指标。文章还讨论了Dario Amodei《We Must Pace the Frontier》放缓主张与Opus 5.5发布是否矛盾的问题。
Anthropic与OpenAI同日发布多款新模型：Claude Opus 5.5、GPT-6 Sol和Luna。作者详细评测了各模型的定位与表现：Opus 5.5作为Claude系列性价比模型，Coding能力达到SOTA，成本下降40%，速度提升30%，但Token消耗大；GPT-6 Sol和Luna主打降本，价格比上代便宜50%甚至低于Deepseek，Token效率出色、幻觉率大幅降低，但审美与细节能力有明显降级。作者指出两家公司差异化路线：Anthropic专注Coding通往AGI，OpenAI专注全面Agent能力，并给出不同场景下的模型选择建议。
作者分享了使用新模型 Jev 对《人民日报》新闻进行湖北相关元素分类的实测体验。此前该项目一直使用 Gemini Flash Lite 系列，积累约 2.4 万条数据。通过 OpenRouter 上线 Jev 后用相同提示词对比测试：速度上单篇耗时从 3 秒降至 0.35 秒，提升近 10 倍；质量上与 Flash Lite 仅 15% 判断不一致，且差异多源于人名知识库差异，实际正确率约 95%；价格上处理 5 千条数据 30M Token 仅花费 1 美元。作者认为 Jev 代表的分类器大模型在分类场景下实现了速度/质量/价格的不可能三角，极具前景，并计划连夜用于优化生产项目。
DeepSeek 发布 552B 参数的开源 MoE 模型 V4.1 Flash，原生支持多模态视觉理解，官方称其性能、费用、速度全面超越 V4 Pro，V4 Pro 将于 9 月 14 日下线。作者通过两个实战项目（3D 程序化城市生成器、基于 draw.io 的 AI 智能绘图工具）横向对比 V4.1 Flash、V4 Pro 和 GLM-5.3-Flash。结果显示 V4.1 Flash 完成度最高，输出速度达 287 TOK/s，成本仅约 5 元/项目，多模态能力让前端开发质量明显提升，最终结论是梁神回归，可重新推荐为日常 AI 编程模型。
作者经过一个月实测，发现 Codex 在常规自动化任务上仅需 Claude Code (CC) 十分之一的花费（$15 vs $155），且通过并行工作流效率提升显著。文章对比了两者优劣：Codex 依托 GPT-5.5 速度快、生态开源、中转稳定，但安全审核严格；CC 擅长复杂重构和逆向工程。作者还分享了权限配置、Superpowers 技能安装及多任务并行等实战技巧。
文章详细对比了 2026 年 GitHub 上最热门的两个个人 AI Agent 项目：OpenClaw 和 Hermes。OpenClaw 拥有成熟的技能生态、极致的模型灵活性及强大的多代理架构，适合追求掌控和定制的开发者；而 Hermes 由 Nous Research 开发，具备“自学习”机制、极低的 Token 成本及开箱即用的体验，更适合追求效率和稳定性的用户。这并非好坏之争，类似 Windows 与 Mac 的哲学差异。
