AI 漫剧的镜头，模型真的听你的吗？（下）
本文系统梳理了 27 种 AI 视频生成中的进阶运镜提示词，包括升降镜头、环绕镜头、POV 视角、风格化镜头及一镜到底等进阶玩法，并附上各家模型的运镜服从度实测：Seedance 质感稳、可灵分镜听话、Kling/Runway 手动精控最强。作者还分享了一个提升电影感的核心技巧：一条镜头只给一个运动方向，配合主体小动作与前景、中景、背景三层视差，并给出标准提示词公式与反面教材自查方法。
全部文档 / 标签: 模型实测
10 篇
7大核心升级，我们终于等来了一个“写作强于代码”的顶级模型：Gemini 4 Argon 深度实测
Google 旗舰模型 Gemini 4 Argon 于 10 月 14 日全面开放。文章详细解析了其 7 大核心升级：百万级 token 输出上限（长解码模式）、Arena 文字榜断层第一的写作能力、强于竞品的空间几何代码生成（3D 古建筑群）、深度推理与仅 15% 的超低幻觉率、原生多模态与 4K 音画同步视频生成、直接交付成品文件（PDF/Excel）而非代码，以及面向备考的苏格拉底式学习模式。作者附上 API 定价对比与 10 段实测提示词，认为其写作能力已超越 Claude Opus 5.5 和 GPT-6 Astra，性价比突出。
国产模型到底多能打？实测Step 5 Preview造古墓、算金账
作者实测阶跃Step 5 Preview模型，通过两个任务检验其工程交付能力：一是三分钟生成可在浏览器运行的3D古墓逃脱解谜游戏，模型自主完成技术选型（three.js）、代码实现及缺陷修复，并通过多轮反馈优化画面、操作与音效；二是根据详细PRD开发黄金分析助手，实现行情监控、成本计算与买点提醒，将26项修复任务按依赖顺序推进，完成47项测试并修复3个真实bug，最终辅助判断当天黄金不宜买入。作者总结该模型具备真正的工程可交付能力和长任务迭代修正能力，总消耗约1.2亿token，成本可控，在国产模型中表现出色。
实测豆包新模型2.1-pro，这次审美和长时间Agent任务都追上第一档了
作者实测火山方舟最新发布的Doubao-Seed-2.1-pro模型，通过五个真实任务案例评估其能力：用Three.js复现3D体素浮空樱花岛、开发沉浸式3D小笼包互动网页、从洗衣机产品文档提取参数生成对比表格、处理61个子表的钢筋含钢量计算、以及加拿大办公室选址调研。测试显示该模型在审美还原、长时Agent任务稳定性、视觉理解和数据严谨性上都达到第一梯队水平，能处理百万上下文任务而不摆烂，输出结果可追溯、细节丰富。文章最后还介绍了QBS方法——将书籍转为skill让AI按书中方法回答，避免说空话。
我终于能用 GPT-6 了！实测一波，Codex 要杀疯了？
程序员鱼皮实测 OpenAI 最新发布的 GPT-6 Astra 模型，通过 4 个由浅入深的案例评估其能力：3D 程序化城市生成器、3D 奥德赛战争视频动画、复刻 Cursor 的全栈 AI 编程工具，以及操作 KiCad 完成电路板布线。结果显示 Astra 在前端审美、产品设计、生成速度方面较 GPT-5 系列大幅提升，且有自己的产品想法，速度比同级模型快近三分之一；但在精细的 Computer Use 画布交互上仍存在坐标不准等问题，且 Codex 额度消耗明显更快。作者认为 Astra 适合视觉要求高的前端和全栈项目，日常任务用国产模型更划算。
腾讯现金流转负是风险还是机遇？一次金融垂直大模型的真实财报分析实战
文章介绍蚂蚁集团推出的金融垂直大模型 Ling-3.0-Flash-Fin，该模型基于124B总参数、5.1B激活参数的稀疏架构，针对财报解析做了专项优化。作者以腾讯Q2现金流转负这一市场争议话题为例，将该模型导入最近四个季度财报进行分析。模型按照专业投研流程逐层拆解：先锚定报表事实，识别现金流转负源于算力预付款而非经营恶化；再做时序对比、拆分AI投入与核心业务盈利、交叉校验多张报表，最后分层输出短中长期判断并列出需跟踪的观测指标。作者认为金融垂直模型在财报分析上比通用大模型更严谨，能有效规避数据幻觉和口径混淆问题。
混元 Hy4 preview 8个项目实测，我想买腾讯股票了！
腾讯发布混元 Hy4 preview 模型（770B 总参数、49B 激活、1M 上下文的 MoE 模型），作者通过 Workbuddy 实测 8 个项目：声音驱动动效画布、在线 808 鼓机、吉他调音器、复刻《沙罗曼蛇》游戏、极端金属 PPT、PDF 生成企业官网、Three.js 太阳系演示等。评测发现其前端审美显著提升，长程 Agent 任务稳定，能精准拆分任务、调用工具和 Skill，且行为守规矩（只引用 CC 版权图、不确定时主动询问）。作者对模型表现大为赞赏，认为腾讯迭代速度快，甚至萌生买腾讯股票的想法。
实测 Apodex1.1：不止生成报告，Agent 真正把复杂调研任务做完了
作者关注 AI 泡沫话题但缺乏系统分析思路，遂使用主打多智能体协同的 Apodex 1.1 模型进行实测。在 deep discover 模式下提出“AI 是否有泡沫、何时破裂”的问题，模型自主拆解任务，组建 4 个子代理并行取证（市场数据、专家观点、历史泡沫类比、反向验证），另有最终汇总核验代理。作者中途追加黄仁勋“AI 五层蛋糕”分析需求，系统保留有效中间成果、仅重规划受影响子任务。最终得出“AI 有一定泡沫，集中在回款慢、融资依赖高、同质化层级”的结论。作者总结了 Apodex 全流程执行、异步 Agent Team、可中途干预三大特性，并附开源链接。
对标 Opus 4.8，价格只有 1/40，“牛来”模型 GLM-5.3-Flash 实测
智谱发布 GLM-5.3-Flash 模型（320B 总参数、仅激活 18B），即此前在 X 上爆火的匿名“牛来”模型。其 AA 综合智能指数达 57 分，与 Opus 4.8 相当，但价格仅为后者的 1/40，并采用稀疏注意力+线性注意力混合架构，由国产芯片支撑全部线上推理流量。作者通过多个实测案例展示模型能力：一句话从 PDF 生成企业官网、生成带真实图片的 PPT、模拟 Omarchy Linux 界面、构建在线 Excel、开发多款小游戏，以及用多模态能力自动剪辑《楚门的世界》电影解说视频。文章认为该模型以架构创新和国产算力打破了“前沿模型必然昂贵”的逻辑，且已以 MIT 协议开源。
Kimi K3实测，让我不敢相信这是国产模型
作者深度实测了国产模型 Kimi K3，利用其一口气开发了6个涵盖前后端、数据库、AI调用及3D游戏的完整项目。结果显示K3在长程任务开发、代码能力及UI设计上表现超预期，体验直逼GPT 5.5和Claude Opus，是国产模型的巨大飞跃。