AI产品狙击手

上一期用 high 档测完刚出的 Claude Fable 5.2 之后，一直有个疑问没解开：如果把思考深度拉到 Max，这套祖传测试用例还能不能全绿？于是这期干脆花了 1000 块钱，用 Max 模式把六道题从头到脚重测了一遍。这里得先说明一下，跑这次测评用的 key 是群里网友 Max 提供的，一开始根本不知道这一轮烧掉了一百多美刀，后来问过才知道，真是感激不尽。 第一题，强约束指令遵循的句子生成测试。 要求每句话依次以 1 到 10 结尾，Max 档下每一句的结尾都精准落在对应数字上，顺序没有丝毫错位。更重要的是句子本身读下来是通顺的，没有为了凑数字硬拗语义。对比上一期 high 档里第 10 句略显别扭的情况，这次的表现可以说是全面达标，直接给满分。 第二题，鹈鹕土星环骑自行车的 SVG 测试。 这是唯一一道开了倒车的题。整体看上去依然不错，鹈鹕骑车的结构和土星环都没画崩。但坦白说，转弯这一段的处理没有 high 档那次好——这里明显用的是淡入淡出的做法，鹈鹕和自行车的姿态过渡不够连贯，转起来的动作像是被拆成了几帧。很遗憾，这道题不能给满分。 第三题，复合弓射箭的 ...

Claude Fable 5.2 炸裂上线，我们赶紧来测一下。看了眼 OpenRouter 上的价格，确实不便宜，所以还是接在 pi agent 上跑；思考深度这次刻意不开 max——一是测完估计得去街边乞讨，二是这又不是造火箭，high 应该就足够了。直接开测。 第一题是强约束指令遵循的句子生成测试，要求每句结尾依次从 1 到 10。结尾没有问题，其他约束和句子通顺度也基本达标；唯一让我别扭的是第 10 句，能看懂，但好像很少有人这么说，一般都会讲「他一五一十地讲了事情经过」。 第二题是鹈鹕土星环骑自行车 SVG 测试。卧槽，这效果确实可以——鹈鹕和自行车的结构没看到什么问题，土星环没问题，转弯也很顺滑。非要挑刺的话，就是这个鹈鹕的嘴占比是不是太大了点。 第三题是复合弓射箭 SVG 测试，整体感觉也不错。这可能是为数不多懂得把复合弓倾斜一定角度、让射箭形成抛物线的模型；箭羽也是对的，而箭羽恰恰是高频翻车的点。 第四题是实现一个精美的浏览器操作系统。右上角弹窗功能没有问题，日期高亮部分用了圆形而不是椭圆，不错；Dock 栏应用功能也没有问题。压轴的太空射击游戏同样能玩，如果...

即梦最新上线了 Seedream 5.5，据说非常能打，可惜目前只有会员能用。这次特意求助了群里的哥们星星，借他的会员跑了我们的祖传测试用例——6 个积分一张图，死贵死贵的，大家看下效果吧。 第一题是中文长文本排版：水彩风珠海 5 天行程插画。这次「鹈鹕」两个字竟然对了，我们测评过这么多模型，能生成这两个字的可谓凤毛麟角，看来这个模型有点东西。只是后面「淇澳」的澳字里面稍微有点糊，否则这个生成就完美了。这已经相当不错，对平时做海报是大大利好——做过这行工作的都知道，为了一个字反复抽卡该有多崩溃。 第二题是文生图综合能力：书房丰满优雅美甲美女。时钟时间对了；但杯子有问题，提示词要求三个杯子清晰可见，现在只能看到一半，没法判定；指甲油也不对，要求一只手食指是红色、另一只手中指是白底红点波点，结果食指出现很严重的穿模，两个指甲叠在一起，虽然其中一头的指甲油是红色的；另一手中指的波点对了，可另一只手无名指也涂了同样的指甲油；最后，提示词要求的「丰满」，恕我眼拙，看不出来。 第三题是同一角色多视角一致性：女孩四宫格不同角度图片。问题有三个：第三张女孩的发夹在右边，其他三张都在左边；书...

关于千问办公 2.0 的协作功能，网上的视频大多语焉不详，看得人雾里看花。这期就把这次更新的新功能逐个演示一遍，从安装后的菜单变化一路讲到自动任务。 下载安装后会看到左侧菜单栏全变了：外侧只剩三个主菜单，原来的任务等功能都收纳进了 Home，界面更简洁。第二个「协作」菜单是这次更新的重头戏——它把钉钉、钉钉文档、聊天群和 AI 智能体真正串成了闭环，形成一个 AI 办公空间；第三个「资料空间」则集中存放千问办公生成的文件、你上传的文件，以及用过的钉钉文档和 AI 表格，不用再到处翻找。 协作怎么玩？先在钉钉建一个群，里面有我和同事关于待测评 AI 工具的讨论；回到千问办公新建协作空间，填好名称（比如「产品需求」），每个空间里都有一个数字员工小Q，有问题直接 @ 它就能干活；再把相关同事加成协作者，并添加数据源——支持钉钉群聊、AI 听记、AI 表格和钉钉文档，这里我加入了群聊和团队的 AI 工具测评排期 Excel。 忙起来没空看群的时候，唤起小Q 让它总结群里今天聊了什么，它会自己翻看聊天消息和聊天过程中生成的文档，给出一份一目了然的总结，不用再一条条往回翻几百条消息。接...

刚上手玩了一下今天新发布的千问办公 2.0，几个新功能都精准踩在我的痛点上，尤其是「协作」和「人机协同」这两块，用下来相当惊艳。 先说协作。相信大家都遇到过这种场面：自己忙得不可开交，钉钉群里几百条消息叮叮叮地跳，聊天过程中还会不断产生文档，根本抽不出时间一条条读完。现在借助千问办公的协作功能，可以直接在协作空间里召唤数字人小Q，让它根据群聊记录和空间里的文档做总结，挑出哪一些和自己相关，然后给出一份个人简报；更省事的是，还能直接让它把与己相关的任务做成钉钉待办，不用再手动整理。 再说人机协同。以前做文档或表格，最烦的就是改动一个地方，很多地方都要跟着改，牵一发而动全身。现在比如我们有一张销售和库存的表，库存变了，直接修改对应单元格的库存即可，不再需要一项一项去算缺口和金额——选中相关行之后叫 AI 来改就行。除了表格，钉钉在线文档和 PPT 同样支持。 另一个我很喜欢的新功能是自动任务：可以根据不同条件来触发任务。我自己就设了一条，当收到老板发来的私信时，千问办公会自动判断内容是否与任务相关，如果是一个任务安排，就自动在钉钉里帮我建好待办。 这次升级还有不少值得玩的地方，...

本期介绍的 digital-human-koubo 是一个开源的 Agent Skill，主打用一张人像照片直接生成 AI 数字人口播视频。整条流程是：先用 Renoise MCP 在云端生成数字人视频（浏览器登录即可，不需要 API key），再用 Whisper 回头核对口播与字幕，最后交给 ffmpeg 与 Remotion 做剪辑和包装，输出可直接发布的 MP4。 它内置 5 种剪辑风格（16:9 讲解、9:16 口播字幕、发布会拆解、教程、多主播）和 48 个创作者级的包装组件，比如用 macOS Vision 做人物抠像、让文字从人物身后穿过，把封面当作首帧，还支持弹幕、证据卡等花样，并支持多语言。在 Claude Code、Codex、OpenClaw、WorkBuddy 等 agent 里都能直接调用，想自己搭一条数字人口播流水线的可以试试。 访问入口

即梦最新上线了 Image Max 1.0 图片生成模型，据说非常能打，可惜只有会员能用。求爷爷告奶奶，最终找到一位有会员的广州粉丝 Jason 帮忙，把我们祖传的 Benchmark 测试用例跑了一遍，一起来看下效果。 第一题是中文长文本排版支持测试，水彩风珠海五天行程插画。把图里所有中文字都看了一遍，除了「鹈鹕」两个字写错，其他地方没有看到什么问题。 第二题是文生图综合能力测试，书房丰满优雅美甲美女。先看时钟，时间是对的；杯子基本正确，只是咖啡杯那大半杯有点太满了，都快溢出来了；「丰满优雅美女」这点值得商榷——丰满不应该是说身材的某个部位吗？感觉它是把「身体胖一点」就当成丰满了。最后是指甲油不对：提示词要求一只手食指指甲油是红色，它两只手都有了；另一只手中指的白底红点波点，它做成了无名指，而且同样两只手都有。 第三题是同一角色多视角一致性，女孩四宫格不同角度图片。四个角度的人物、手部动作、发夹位置和颜色、logo、书包上草莓的位置都没有问题，唯一的小问题是图 1 和图 4 的头明显是歪着的，图 2 和图 3 看不出来。 第四题是物理常识题，女孩落地镜自拍。大部分没有问题...

一早起来，小破站好几个粉丝叫我测一下 Qoder 上刚出来的 QoDuck，说非常能打，怀疑是 Qwen4。事不宜迟，赶紧打开 Qoder，选择 QoDuck 模型——还是免费的，不错；思考模式也设置一下，默认是 high，我们设置到最高，然后开测。 第一题是强约束指令遵循的句子生成测试，要求句子结尾依次从 1 到 10。结尾没有问题，再看其他约束以及句子是否通顺：第 5 句我一开始以为是不通顺的，后来查了一下确实有这种说法，恕我愚钝了；第 10 句我还是觉得有点别扭，能看懂，但好像很少这样说，一般都说「他一五一十地交代了事情经过」。 第二题是鹈鹕土星环骑自行车 SVG 测试。卧槽，这效果可以呀——鹈鹕和自行车的结构没有看到什么问题，土星环没有问题，转弯也很顺滑，这应该算是个难得的上乘之作。 第三题是复合弓射箭 SVG 测试，整体感觉也不错，不过还是有点小问题：第一，箭羽是反的；第二，箭是平拉的，射出去之后就突然往上飘了。 第四题是实现一个精美的浏览器操作系统。UI 不错，右上角弹窗功能没有什么问题，日期高亮部分也用了圆形而不是椭圆，不错；Dock 栏应用功能同样没有问题。...

谷歌今天刚上线了最新的视频生成模型 Gemini Omni 1.2 Flash，据说非常能打，赶紧叫群里粉丝帮忙去 AI Studio 用我们的六维鹈鹕骑车测试用例跑了下。提示词在视频里展示，好，我们看下效果啊，感觉问题还是不少，我们一个个来吧。 先看第一个维度主体完整性与跨帧一致性：首先自行车缺少了车把后视镜这个指定部件；其次镜面护墙不是一整面不间断落地镜面，奇怪的是，除了镜面墙还有一个镜子里的鹈鹕在里面，明显是穿模了。 第二个维度肢体与机械推理：提示词说左翅膀要搭在车把上、另一只收拢，但是画面里鹈鹕翅膀都是收拢的；其次鹈鹕嘴后来是闭合的，没有保持张大嘴的要求。 第三维度镜面反射与空间推理：镜面里的自行车链条、护盖、铃铛没有跟着实物做正确的左右翻转，对称关系错乱，模型不是生成对称镜像，更像是复制了一只相似鹈鹕放进去。 第四维度中文文本与时钟渲染：首先淇澳的澳字错了；其次挂钟的时间不是精确的三点钟，相距比较远。第五维度液体与浮力运动，没有看到什么问题。 第六维度运镜、构图与光影：构图这里有个很严重的问题，说好了步道是从右上到左下、镜面墙在步道上侧，所以这个是严重不符合要求的...

蚂蚁百灵 Ling 3.2 Flash 刚刚上线，粉丝就私信我赶紧测评下。事不宜迟，走官方接入的 pi agent，思考深度拉到最大，开测。第一题强约束指令遵循句子生成：句子都是遵循从 1 到 10 结尾的，但第七、八句明显不通顺；第 10 句我想它应该说的是凑十法，去掉也能听懂，但是更规范还是应该说凑十法。 第二题鹈鹕土星环骑自行车 SVG，转弯我觉得还可以，不过问题还是有的：第一，土星环明显不对；第二，鹈鹕没有扶着车把；第三，自行车每隔一两秒就开始左右晃动。第三题复合弓射箭 SVG 槽点更多：弓箭平拉的，射出时突然就往上蹿，我就奇怪，为什么不懂得把复合弓倾斜一点角度呢？箭羽是反的，感觉弓箭是被推出去的，人手的长度比例不协调，握弓的姿势不对劲，箭也没有射到靶心。 第四题实现个精美浏览器操作系统，右上角弹窗功能没有什么问题，dock 栏应用也不错，结果看下压轴的太空射击游戏吧——卧槽，一片空白。前面我觉得都实现挺不错的，压轴的来个这样的低级错误，这真的是虎头蛇尾啊。 第五题 3D 赛车游戏，我们玩下，这不对啊，一片空白，感觉是加载资源有问题。打开调试模式，果然，加载谷歌字体...