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。
相关文档
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。
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。
一个人十天写出的引擎，让 12GB 显卡跑起 1250 亿参数模型
个人开发者用十天时间（代码大部分由 AI 编写）打造了推理引擎 Strata，能让 12GB 显存的普通电脑运行 1250 亿参数的 Qwen 3.8 Flash Next 模型。文章剖析其六倍速度宣传实为不同量化版本对比，同版本实际是两到四倍；真正亮点是 prompt 读取速度达每秒 1500 token。核心技术是围绕 MoE 架构的专家缓存，命中率约 72%，代价是输出可能偏离原模型结果。文章还对比了买内存自建与云端 API 的成本账，并预判通用引擎 llama.cpp 将在几个月内补齐缓存能力。
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。
How to set up your first Local LLM in 10 Steps (Full-course)
这是一篇本地部署 LLM 的完整入门教程。文章首先说明开源模型（Qwen、DeepSeek、GLM 等）已接近闭源前沿约四个月，而 API 订阅配额却在缩水，因此本地部署的价值日益凸显。教程从 Step 0 开始：检查内存、按内存三分之二规则选择模型、安装 Ollama 并运行第一个模型。随后解释了本地模型的核心优势（数据隐私、零边际成本、不受限）与局限（性能不及闭源前沿），分析了订阅补贴经济的不可持续性，并指导读者根据任务需求选择硬件，强调容量决定装得下、带宽决定跑得快、利用率决定是否划算。
Build your own Jev (100% local)：用开源 LLM 构建本地决策引擎
文章介绍如何将开源 LLM 变成快速、本地的决策引擎，而无需重新训练。核心思想是：当应用已知所有可能的答案时，不必让模型生成文本或 JSON，而是通过 next-token scoring 一次性为每个候选答案返回分数和概率分布。作者讲解了固定答案打分与结构化输出的区别、LLM 第一个输出 token 的生成原理，并使用 SGLang 的 /v1/score 接口，结合 Qwen 和 DeepSeek 模型进行实测，与普通文本生成进行了基准对比。文中还提到概率的含义与校准问题。
高级 Skill 不是更长的提示词，而是一套组合技
文章探讨了高级 AI Skill 的本质：不是把更多指令塞进一份文件，而是把多个单点能力按任务关系编排组合。作者通过分析 GitHub 上多个热门 Skill 仓库，总结出五种组合模式：路由（判断调用哪个 Skill）、顺序（强制工作流程）、选择（按需分诊组合）、流水线（专业能力交接）和分层（Skill 与系统能力分工）。文章提出组合 Skill 的五个核心零件：路由、输入输出契约、顺序与并行、上下文状态、验证反馈，并建议从真实返工中逐步长出组合关系。核心观点：Prompt 让 AI 听懂一次需求，Skill 固化一类做法，而组合 Skill 才能把复杂任务交付出来。
2026 开源模型全网最全盘点：从入门到榨干（含双机实测）
文章系统盘点了 2026 年值得关注的开源 AI 模型，涵盖语言、图片、视频三大类别，包括 Qwen、DeepSeek、Kimi、GLM、MiniMax、混元等国产阵营及海外模型。作者拆解了模型命名规则（参数量、MoE、量化、许可证等），提出五步选型筛选法，并比较各硬件平台（Mac 统一内存、NPU AI PC、大内存 APU 等）的适配能力。文章还讲解了本地部署的适用场景与许可注意事项，最后通过 Mac 和 Windows 双机实测检验模型在文字、看图、分镜和视频任务上的真实表现，帮助读者判断自己需要哪类模型以及电脑能否带动。
我用AI给海外商家做网站，月入六位数
作者分享了自己利用AI工具（如Claude、GPT、Codex等）为海外小商户（尤其是旅游小镇的餐厅）搭建网站，实现月收入突破3万英镑的创业经历。文章详细介绍了从市场选择、客户获取、工作流优化到交付的全过程，强调了定制化demo和人工审核的重要性，并指出部分客户为情绪价值付费。作者认为AI变现门槛不高但落地不易，无需购买课程。
6个“一人公司”老板的3条AI协作铁律
文章介绍了6个利用AI实现高收入的“一人公司”案例，总结出三条核心铁律：把AI当员工用而非搜索用，将流程固化成可复用的Skill，以及多Agent并行让人充当指挥官。文章详细拆解了电商、音乐制作、SaaS开发等领域的AI工具栈和工作流，强调商业认知是AI放大的前提。
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。
Inside Kimi: 100 Hours of Observation
本文讲述了作者深入 AI 独角兽 Moonshot AI（Kimi 母公司）内部进行 100 小时的观察记录。文章回顾了公司从早期的营销挣扎到面对竞争对手 DeepSeek 突围时的战略调整，展现了这家年轻、高估值且充满内向天才员工的神秘企业文化。
