我花了54个小时，做了一个可能更公平的AI大模型排行榜
作者耗时54小时开发了一个全新的AI大模型聚合排行榜。为解决现有榜单数据缺失、样本量和标准不一的问题，作者参考电竞和统计学算法，自研了名为LatentRank的评分系统，通过模型间的成对比较来推算综合能力。目前该榜单已集成10个主流评测源，免费开放供用户查看和对比。
相关文档
今夜的荣光属于MiMo V2.6
文章对比评测了同日凌晨发布的Grok 4.7与小米MiMo V2.6两款大模型。作者提出大模型的"不可能三角"——性能、价格、速度难以同时满足。Grok 4.7表现低于预期，前端能力崩盘，Coding Agent评测得分惨淡；而MiMo V2.6则超出预期，AA指数46分与Grok 4.7打平，位列开源与国产第一，CritPt科研推理仅次于GPT和Claude，价格极低（缓存输入0.025元/百万Token），输出速度达130 Token/s，成为作者心中解决不可能三角的版本答案。作者还介绍了小米公开直播强化学习训练过程的创新做法及其技术报告。
到底谁才是国内模型第一？
作者基于一份冻结 rubric 的自建评测（10 维 × 5 细项），通过 Round 1 超长整包和 Round 2 拆题稳定两轮测试对比八个大模型。Round 1 整包交付第一是 hy4 preview（96.4 分），Round 2 拆题稳定第一是 GLM-5.3（93.6 分）；综合等权评分 GLM-5.3 以 93.4 分居国产第一，Kimi-K3 以 91.5 分列第二，hy4 因拆题时违反约束跌至 83.8 排第三。DeepSeek V4 Pro 与 Qwen3.8 Max 表现偏科，榜单前三均为国产模型。评测题面与方法已开源，结论是决定「第一」的不是最高一次成绩，而是每一次的稳定表现。
Kimi K3.1 Pro 实测对比 GPT-6 Astra：3D 建模能力与成本分析
本文实测对比了 Kimi K3.1 Pro 与 GPT-6 Astra 在多个 3D 任务上的表现，包括古建筑建模、机械结构、透明材质和游戏开发等。结果显示，Kimi 在精细模型构建上更优，而 GPT 在大型场景稳定性上更好。成本方面，Kimi 比 GPT 便宜约 80%，性价比突出。文章还提供了使用 Kimi 进行 3D 建模的入门指南。
推特起号保姆级图文教程：10步从小白到起步
作者用 Grok Bot 分析了 70 篇中文圈的推特涨粉经验帖，整理出适合新手的 10 步起号指南。核心公式是“涨粉 = 曝光 × 关注转化率”。文章涵盖主页装修（头像、昵称、四要素简介）、定位方法（三圈交集）、开蓝V、写起号帖、借力冷启动、算法机制拆解、内容创作技巧、发文节奏、封号红线及变现路径（创作者收益、商单、联盟推广），并附新手 30 天行动清单，强调前 500 粉只管内容、稳定发帖和保持人味。
不会写代码的燃气行业财务，开源当天跑起燃气版AIHOT（GasHot）
燃气行业财务人员Lucky在卡兹克开源AIHOT当天，借助AI将源码改造成燃气行业资讯站GasHot。零代码基础的他像包工头一样指挥多个AI协作：Claude Code主力开发，Codex负责代码审查和可靠性，DeepSeek做日常资讯AI把关。三周内完成部署、公网上线、接入37个信源、SEO改造和监控机制，并解决了信息准确性、界面简化、数据合规、搜索引擎收录等难题。GasHot提供气价盯盘、业务视角要点、政策倒计时和一页日报，大幅节省了翻找政策资讯的时间。作者证明：懂行业的人，即使不会写代码，也能借助AI亲手造工具。
从 0 到 1 的 X 入门运营指南
作者分享了自己从 7 月开始运营 X 的实战经验：3 个多月发帖 4854 条，总曝光 560 万、点赞 2.7 万。文章首先对比了 X 与小红书、抖音等国内平台的差异：X 是文字信息流平台，算法最看重互动（回复、引用、转发），创作成本低。接着讲解 X 算法奖励的三件事：写引发讨论的内容、认真回复评论、写值得转发的内容。冷启动可借助大 V 转发但应避免互关互刷。内容方面强调多发试错、选题决定流量上限、把个人经历转化为方法。最后介绍了蓝 V 会员档位及原创内容奖励计划的申请条件，指出增长是指数级的，鼓励读者从今天发出第一条帖子。
Gemini 4 Argon 对 Opus 5.5、GPT-6.1 Sol：同样 12 道题，3 道打开就坏
作者用同样的 12 道题横向实测 Gemini 4 Argon、Claude Opus 5.5 与 GPT-6.1 Sol。Argon 在 Gemini 网页 App 中闭卷盲打，另两家则通过 Claude Code 与 Codex 命令行 Agent 拥有自测调试的工作流。结果 Argon 对 Opus 0 胜 5 平 7 负，对 GPT 2 胜 4 平 6 负。失分分两类：铁路、咖啡店、四季三题毁于作用域未定义、少打空格、404 地址等小错，补一两行即可运行，根源在 App 环境无法自测；而机械蝴蝶连杆伸缩、折纸裂开、书封视觉误读、西瓜过曝等属于硬伤。Argon 在视觉题与原创游戏上表现出色，Pro 额度也较充裕。
Anthropic 面试真题：profiler 采样还原调用事件（3 Parts / 55 分钟）
本文解析一道 Anthropic 真实面试题：如何从 profiler 采样快照还原函数调用事件。全文分三部分：Part 1 将采样序列转换为 start/end 事件，核心是通过 LCP 对比相邻栈，end 从内到外、start 从外到外，frame 身份为 (depth, name)；Part 2 处理流式输入与去噪（debounce），只保留 O(depth) 状态，frame 身份沿 LCP 链追踪而非看名字；Part 3 用反转后缀 trie 实现崩溃 trace 的尾部匹配归因。文末附完整参考代码与备考清单，强调事件顺序的语义正确性是面试考察重点。
只给一句话、只调用一次：我用 Ling-3.1-flash 做了一个真正能运行的交互网页
作者以“只提一次需求、只调用一次模型”的严格规则测试 Ling-3.1-flash，仅给出一句模糊需求——“做一个可直接交付的 AI 项目工期与 Token 成本估算器交互网页”。模型先自主拆解任务、补全产品逻辑，一次生成 805 行、41KB 的零依赖单文件 HTML，包含参数联动计算、成本图表、甘特图、场景预设与数据导出等功能。作者验证发现一处 undefined 变量 bug，手工修改一行代码修复。作者认为 AI Coding 的价值正从“补代码”转向“交付完整版本”，但生成结果仍需人工验收与修正。
Design with AI: Which models are best?
作者基于 OpenArt Arena 的匿名排名，从各创意设计榜单中选出前三名 AI 模型，并用虚构咖啡品牌 Luka 的品牌手册作为统一视觉基准，在产品图、平面海报和动态设计三类任务上进行实测对比。评估标准包括品牌还原度、设计质量和生成价格。作者通过 After Effects 对齐原始 SVG 检查 logo 还原精度，给出各模型的优劣分析与评分表格。结果显示 Seedream 5.0 Pro 在产品图上表现最佳且成本最低，Grok Imagine 2.0 在平面设计中胜出。文章还提供了完整的方法论和可复用的 Design_Judgment_Skill.md。
一个单调队列模版，刷掉 5 道 LeetCode 硬题
文章总结了单调队列的核心模版：队列存下标并保持单调性，通过'过期踢队首、单调踢队尾、队首即答案'三步解决滑动窗口最值问题。作者用一套通用 Python 模版讲解了五道 LeetCode 题目：滑动窗口最大值（239）、跳跃游戏 VI（1696，dp 套模版）、带限制的子序列和（1425）、和至少为 K 的最短子数组（862，前缀和+递增队列）、绝对差不超过限制的最长子数组（1438，双队列维护最大最小值），帮助读者快速掌握单调队列这一 O(n) 高效算法技巧。
卡兹克零基础靠 AI 做的 AIHot，我作为程序员认真读了一遍源码
作者以程序员视角深入分析了数字生命卡兹克零编程基础、纯靠 AI 构建的开源项目 AIHot（AI 热点新闻聚合网站）。文章详细解读了项目的技术选型与架构：TypeScript 全栈 monorepo、React Router SSR 前端、Fastify API、pg-boss 任务队列，以及 RSS、网页爬虫、JSON 接口、推特、微信公众号等六种信源采集方式。重点剖析了其基于大模型的文章处理流程：预筛、五维度加权打分、摘要生成、向量聚簇归组。作者由此引申讨论 AI 时代软件工程可维护性标准的转变：程序员注意力从代码实现转向架构设计与约束，类比铝从贵金属到飞机材料的价值观变迁。
