今年高考，我让12个顶级AI一起考了语文和数学
文章记录了一次关于12个顶级AI模型的高考模拟测评。测试选取了Claude、GPT-5.5、DeepSeek等国内外主流模型，针对高考语文和数学试卷进行考核，并邀请真人老师进行盲审阅卷。结果显示，头部模型之间的分差极小，部分模型存在“偏科”现象（如DeepSeek数学强但作文弱）。文章详细回顾了测试的公平性设计、评分过程及最终排名，并回顾了过去几年AI模型在考试能力上的巨大进步。
相关文档
8款前沿大模型能力横评：10个维度50项测试全解读
本文对8款前沿大模型进行了为期两天的深度横评，通过10个维度、50个细项的两轮测试，对比了模型在一次性复杂任务与拆解任务稳定性上的表现。文章详细解读了测试方法、评分标准及各模型优劣势，最终得出了适用于真实工作流的参考结论。
2026 普通人学 AI 路线图：6 个阶段、50+ 免费资源，照着抄 30 天入门
文章针对普通人收藏大量 AI 教程却始终没学会的问题，提出按可上手顺序排列的六阶段学习路线：先搞懂大模型、Agent、MCP、Skill 四个基础概念；再学会高效提问；然后选一个通用 AI 助手用熟；之后分创作者路线（做图、视频、语音）和开发者路线（MCP 与 Agent 开发）深入；最后选读书籍论文进阶。作者强调'卡住你的不是资源不够，而是顺序不对'，并附上 30 天打卡表、53 个免费资源和五个避坑建议，倡导边用边学、动手实践。
浪费20亿Token之后，我做了一个帮自己定义目标的Skill
作者分享了一个名为Leader.skill的开源工具，旨在解决Agent交互中目标定义模糊的问题。该工具基于“目标七问”方法论，将模糊需求转化为清晰的目标任务书，支持多模型组合（如Claude规划、GPT执行），显著提升长程任务的完成率与Token利用率。
Build Your First Agent
文章旨在通过简洁易懂的语言，帮助初学者在一下午的时间内构建第一个 AI Agent。作者指出 Agent 本质上是一个包含模型、工具集和循环的简单程序，并提出了“四步构建法”：定义目标、列出工具、选择运行时、编写系统提示。此外，文章还分享了五条实用规则（如展示工作过程、使用计划模式等）以避免常见陷阱，并列举了适合初学者的实践项目，强调构建 Agent 的核心在于理解其循环逻辑。
Claude Opus 4.7 vs GPT-5.5：亲测三天后的真实心得
本文分享了作者通过十亿Token的消耗量，在三天内深度对比Claude Opus 4.7与GPT-5.5的真实心得。测试涵盖大型代码重构、Agent搭建及前端生成等场景。结论显示，GPT-5.5在推理效率、执行力和成本控制上表现卓越，已成为作者的主力工具；而Opus 4.7虽在规划与视觉分析上仍有优势，但存在Token消耗激增、上下文检索变差等“倒退”问题。文章还总结了Reddit社区的声音，提出了“Opus规划、GPT执行”的Handoff最佳工作流。
推理是训练的 12 倍，可一块卡生成时只跑出 5% 的算力
文章基于 YC Paper Club 播客，剖析 LLM 推理成本真相：按两年模型寿命摊算，推理总算力约为训练的 12 倍。decode 阶段 MFU 仅 5%，瓶颈在显存带宽而非算力。DeepSeek 通过 KV cache 保留 72 小时、radix attention、零开销调度等手段将缓存命中率做到 96%，实现 38 美元一卡时、80% 毛利。文章还讨论了 SSM 等被低估的模型结构、服务商质量参差（同一模型不同服务商差距超开源闭源差距）以及开源推理生态的规模，指出推理成本优化才是 LLM 竞争的胜负手。
谁说AI没有落地？看看美国医院正在用什么
文章通过梳理FDA及微软、OpenAI、Anthropic、Google等公布的实际案例，证明AI已在医疗领域真实落地：FDA已授权超1600种AI医疗设备，主要应用于医学影像、心脏疾病、糖尿病筛查等。大语言模型也进入医院工作流程，如微软Dragon Copilot服务超10万名临床医生，OpenAI帮助波士顿儿童医院节省6万小时工作时间，Claude助力Banner Health整理病历，Google辅助生成诊疗记录。作者指出需区分三个问题：技术已落地是事实，医疗AI市场正在形成但规模尚小，科技公司的巨额投资回报仍需时间验证。
如何将 Claude 打造成发现爆款趋势的内容负责人（完整指南）
本文介绍如何利用 Claude Projects 和 Virlo 工具，把 Claude 打造成虚拟的"内容负责人"，替代年薪 12.8 万美元的员工。作者展示了如何通过 Virlo 追踪 TikTok 热门趋势的生命周期（Fresh/Rising/Peaking/Fading），判断入场时机是否合适，并将 Virlo 接入 Claude，通过编写详细指令让 Claude 自动分析趋势数据，并结合自身业务生成可直接拍摄的视频脚本。文章以房地产、SaaS、餐饮、美容等行业的真实趋势为例，说明每周一即可获得定制的拍摄方案。
构建 agent 时什么时候将子 agent 合并到主 agent 循环中
本文是 Claude 官方文章的译文，探讨在构建 agent 系统时何时应将子 agent 折叠进主 agent 循环。文章指出，配备 skill 的单一 agent 在质量、成本和延迟方面常常优于多 agent 设计。作者分析了大型组织构建 agent 的常见失败模式（上下文管理、子 agent 泛滥、Frankenprompt、延迟等），介绍通过渐进式披露 skill 和 MCP 工具的 agent 循环设计，并给出将子 agent 迁移为单循环的分阶段方法：构建任务完成评估、合并领域 agent、将子 agent 转为工具调用、用 skill 和工具替代子 agent，以及多团队协作的治理模式。
顶尖 AI 公司都在押注 Fusion，我实测了一款：你装没听见，它还在提醒你
作者设计 15 道两轮陷阱题，第一轮故意说出错误前提，第二轮装作没听见继续提问，用三个 AI 裁判评测了 5 个模型的'回头纠错'能力。150 次对话结果显示，融合模型 FUMO 旗下的 Fusion Code 以 90% 的纠错比例遥遥领先，GPT-6 Astra、Claude Fable 5.1、Claude Opus 5 和 GPT-5.6 均在 70% 左右。文章对比了模型路由与多模型协作的差异，指出榜单分数高不等于会在用户走偏时拦截，并介绍了 FUMO Fusion Max 2.0 在办公文档分析上的新能力。
5B 参数就能做到这种效果？开源生图模型太卷了！
作者使用模思智能开源的 5B 参数图像生成模型 MOSS-Image，为 Claude 和 DeepSeek 设计拟人化角色形象。文章分享了角色设计思路：Claude 采用橙棕奶油配色体现温暖复古气质，DeepSeek 延伸蓝色海洋主题。作者重点介绍了 MOSS-Image 的优势：生成速度快于 Stable Diffusion 和 ComfyUI，支持准确的中英文文字渲染、JSON Layout 布局控制、最长 4K tokens 提示词，并提供 Prompt Enhance 提示词增强功能。模型基于国产 PPU 算力平台训练，已开放 Base 和 SFT 版本权重，支持动漫、写实等多种风格，目前可免费体验。
B 站三天 100 万播放的「AI 接管账号」视频，全自动制作与裂变玩法分享（已开源）
作者拆解了 B 站爆款账号「Claude大小姐在运营」（三天破百万播放）的成功要素：AI 为主角的好奇心选题、B 站现成梗文化、评论区驱动下一期内容、公开账本养成感与信息差。作者用 Claude Code 花一小时、成本两元复刻出像素风视频，并将整套方法（skill 加出片引擎）按 MIT 协议开源。随后他连开三个细分内容号：Claude 与 DeepSeek 双人营业号（中英双语）、鸣潮二创日记号、AI 像素擂台（10 个模型同场比赛），并分享了选题调研方法论：追踪同类爆款数据、判断赛道拥挤程度、寻找未被挤满但持续出爆款的内容形式。
