LLM

文章导读： OpenAI 推出 GPT-5.3 系列，明确划分为深耕工程的 Codex 与主打日常交互的 Instant。本文通过多项实测，从人类直觉、幻觉控制到复杂代码生成，多方位验证两款模型的真实进化。结果显示，Instant 成功“去AI味”，逻辑直觉更强且幻觉降低；Codex 则在工程化任务与可视化表现卓越，具备成熟的代理执行力。文章深入剖析了两者的…

阿里通义千问团队在推出Qwen3.5-397b的旗舰模型后，于2月25日带来了Qwen3.5 中型模型系列的更新。与以往“更大参数=更强能力”的惯性思维不同，这次官方打出了“More intelligence, less compute”（更聪明的智能，更少的算力）的旗号。 该系列包含三款开源模型及一项托管服务： 其中，Qwen3.5-35B-A3B 凭借仅…

文章导读： Anthropic深夜突袭，发布“史上最强Sonnet”——Claude Sonnet 4.6。这款中端模型以较高的性价比实现了接近Opus的旗舰级性能，实测显示，Sonnet 4.6 在多模态识别与办公任务中竟反向超越旗舰 Opus 4.6，但在深度逻辑推理上仍存差距。本文通过多维度基准测试与编程实战，揭秘这款“性价比新王”的真实实力，以及Op…

文章导读： 2月12日，MiniMax 发布最新模型 M2.5，主打编程、办公与复杂 Agent 任务，性能对标顶尖闭源模型，速度提升至 100 TPS，价格仅为竞品 1/10。通过多维度实测发现：M2.5 在代码生成与功能完整性上表现惊艳，能独立完成从需求到交互的全流程开发；但在处理模糊需求、审美判断等“人性化”场景时仍显生硬，细节打磨不足。整体而言，M2…

导读： 谷歌于2月20日推出Gemini 3.1 Pro，以Sparse MoE架构和Deep Think深度思考模式为核心升级，支持100万Token上下文输入与64K输出上限。302.AI已接入模型API，本期实测涵盖逻辑数学、人类直觉、多模态推理及前端编程四大维度。测试结果显示，Gemini 3.1 Pro强势登顶302 Bench Lab的多模态模型…

12日凌晨，智谱 AI 正式发布新一代旗舰级基础模型 GLM-5——上周以“Pony Alpha”的匿名身份在OpenRouter上爆火的SOTA级神秘模型，终于露出了真容。 基于官方文档，对GLM-5 模型进行总结： 📊 核心参数 参数项 数据 模型规模 744B总参数（40B激活参数） 预训练数据 28.5T tokens 前代对比 GLM-4.5: 3…

文章导读：2026年开年，大模型战火重燃。Anthropic重磅推出Claude Opus 4.6，在维持原价的基础上，实现了100万token上下文、编程效能与推理深度的升级。302.AI第一时间接入实测，通过逻辑、多模态及编程模拟等实测，检验其是否具备“肉眼可见”的进化。实测显示，Opus 4.6不仅在代码生成上表现出优秀的连贯性，更展现出独特的“产品架…

文章导读：月之暗面与阿里通义接连推出 Kimi K2.5 与 Qwen3-Max-Thinking，正式打响 2026 国产大模型巅峰对决。本文基于 302.AI 的实测数据，从逻辑推理到复杂编程，全方位剖析两者的技术差异。Kimi K2.5 以“蜂群智能”与审美编程惊艳全场，化身全能创意搭档；Qwen3-Max-Thinking 则凭深厚工程底蕴，构筑稳健…

导读：2025年，大语言模型完成从“文本助手”到“生产力智能体”的关键跃迁。本报告深度实测Gemini 3 Pro、Claude Opus 4.5、GPT-5.2、Grok 4.1、GLM-4.7、DeepSeek-V3.2六大旗舰模型，覆盖模型幻觉控制、复杂逻辑推理、多模态融合理解、创意生成与人类直觉、编程与工程化交付五大高难度真实场景。 评测结果显示：G…

12 月 23 日，MiniMax 正式对外发布其新一代旗舰级 Coding & Agent 模型 MiniMax M2.1。 与许多大模型发布会执着于罗列通用知识得分不同，M2.1 这次把所有的聚光灯都打在了“编程”与“智能体”这两个关键词上，官方定位直言不讳：为真实世界的复杂任务而生。显然，这不仅仅是一次常规的版本迭代，更像是 MiniMax 在…