月之暗面发布 Kimi K3.1 Pro，3万亿参数MoE架构、100万token上下文、开源权重，API输出价格仅为GPT-6 Astra的五分之一。作者从跑分和实测两方面评估：官方xdev-bench-hard编程成功率64.5%排第二，幻觉测试同样第二，第三方智能指数全场第四、开源第一。实测中，作者用相同提示词让K3.1 Pro与GPT-6 Astra分别开发3D跳一跳和植物大战僵尸游戏，两者均一次成型无bug。Kimi耗时约10分钟但会自我验证和修正，Astra快近5倍且细节更丰富。结论：K3.1 Pro编程能力接住闭源旗舰，价格是杀手锏，适合重度Agent用户。
文章介绍了由前 OpenAI 研究员、ChatGPT 共同发明人 Diogo Almeida 创办的 TypeSafe AI 发布的 Jev 模型。与传统对话式 LLM 不同，Jev 是一个'系统一模型'，不生成文字，而是直接返回结构化决策结果（是/否判断、多选一、评分三种原语），采用并行采样和 RLCD 校准决策强化学习，响应速度可快达数百倍、成本低数十倍且结构化输出零错误。文章详细讲解了 Jev 的原理、适用场景（工单分类、Agent 决策中间层、内容审核、实时游戏等），并提供了 Playground、API/SDK、Vercel/Cloudflare 平台及 AI 工具 Skills 接入等保姆级使用教程。
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。
作者实测了 HuggingFace 上多语种榜单第一、可本地部署的开源语音模型 Hojo-ASR-Multi-V1 和 Hojo-TTS-Light-40M。通过普通话、粤语、四川话及多国外语的实际听写测试，发现该 ASR 模型在普通话和粤语表现出色，但在方言虚词、专名和噪声场景下会出错；TTS 小模型在 CPU 上即可快速合成中英夹杂语音。文章还分析了模型体量、内存和 RTF 的关系，并给出不同场景下 ASR/TTS 开源模型的选型建议。
匿名爆火的「牛来」模型 Ox-Alpha 揭晓身份，是智谱的首个原生多模态模型 GLM-5.3-Flash。仅 320B 参数（激活 18B），能力对标 Claude Opus 4.8，价格仅其 1/40，MIT 协议开源，跑在 10 万张国产芯片上。作者使用智谱官方 Harness 工具 ZCode 进行三个项目实测：复刻 Apple Vision 产品页、开发全栈 AI 绘图工具、制作 3D 联机对战游戏《牛来格斗》。测评显示其视觉理解与截图自主验证能力对 AI 编程体验提升巨大，长程任务稳定，但实时网络同步等后端难点仍有不足。
作者在128GB统一内存小主机上本地部署开源MoE模型Ling-3.0-tiny（7.9B参数，激活1.3B），用llama.cpp Vulkan加载Q8_0量化版本。实测任务是将2360行、2小时17分的客户会议飞书妙记转写交给模型，进行需求提取、实施方案搭建和报价结构整理。结果显示：模型能在235秒内完成需求提取，方案模块划分与人工方案接近，但时间戳偶有不准需人工复核。经提示词调优后，碰撞长度上限次数从16次降至3次。作者认为它适合承担会议整理、需求归类等“脏活”，但范围、价格、承诺等决策仍需人负责，并推荐在真实业务场景中使用。
作者针对近期爆发的视频模型（Minimax H3、Seedance2.5、Seedance2.0 fast）进行横向测评，覆盖仿真人微表情表演、宫斗短剧、3D CG动画战斗、上美风格2D动画等多种经典场景，并提供完整提示词。综合成本与效果看，Seedance2.5在指令遵循、人物质感和运镜表现断档领先；H3与Seedance2.0 fast水平相近，前者存在塑料感、动作打击感弱等问题，后者在仿真人短剧场景表现惊喜且抽卡成功率更高。
本文评测了全新上线的 Kimi K3 模型。作者选取了 3D 玻璃折射、WebGL Shader、视差滚动及家具网页动效四个高难度前端场景，与 Claude Opus 4.8 进行对比。结果显示，K3 在多模态理解和自检修正上表现优异，能以 Sonnet 级价格提供接近 Opus 的性能，整体表现惊艳。
本文作者使用回归的 Fable 5 模型对自己开发的“AI 视觉风格导演” Skill 进行了 V3 升级。文章展示了 Fable 5 在处理复杂、多文件工程任务上的独特优势：它不仅能发现 V2 版本中缺失的 frontmatter 等基础 Bug，还主动补齐了双引擎编译、视频模型路由和风格资产沉淀等三层关键逻辑。作者认为，Fable 5 在生产链路判断和工程品味上超越了传统模型，适合用于解决高复杂度的“硬骨头”任务。
Anthropic 正式发布了 Claude Fable 5 模型，该模型是此前仅限合作伙伴使用的“神话级”网络安全模型 Mythos 的公开版本，新增了安全分类器。文章详细介绍了 Fable 5 的技术定位、昂贵的 API 定价（显著高于 DeepSeek V4 和 GPT 5.5）、以及在代码生成、视觉游戏通关（如宝可梦、异星工厂）、生命科学（蛋白质设计）等方面展现出的惊人能力。作者在亲测后，对其“究极水桶”般的智能水平表示震撼，同时也因昂贵的费用和 AI 进步速度超越人类认知而产生的虚无感进行了深度思考。
文章详细记录了将阶跃星辰（Step）等国产大模型 API 接入 Codex App 的全过程与测试结果。作者验证了在 API 模式下，Codex 的手机调用、锁屏截图、浏览器自动化及电脑控制等核心功能依然可用。同时，文章对比了不同模型的性价比，探讨了 API 模式在记忆管理和多设备联动上的局限性，并分享了 Codex 在自动化、长期目标设定及与其他 Agent 工具协作中的最佳实践。
本文深入探讨了 Moonshot AI 的开源模型 Kimi K2.6，强调其独特的“群体智能”架构，能协调 300 个子代理并行处理复杂任务。文章对比了 Kimi 与 Claude 的优劣，展示了 Kimi 在数据抓取、代码优化和网页生成方面的实战能力，并详细介绍了如何利用 Cloudflare Workers AI 和 Open Code 免费部署该模型。
本文详细横评了 GPT 5.5、MiniMax M2.7、DeepSeek V4 Pro 和小米 Mimo-V2.5-Pro 四款大模型在 Hermes Agent 场景下的表现。通过 Skill 打包、网页开发、PPT 制作、知识库整理及浏览器自动化五项任务，测试了各模型的逻辑推理、审美迁移、长文本处理及 API 消耗能力。最终结果显示，不同模型在 Agent 任务中各具特色，需根据具体场景选择最优解。
