极限测试!Qwen3 写代码+画画!究竟是不是开源最强模型?

合集 · 大模型竞技场 (78)

  1. 1:40
    全网首测!DeepSeek 4 小时之前又发布了一个多模态模型 Janus-pro
  2. 4:24
    5分钟教你使用AI写一个风扇控制器
  3. 2:46
    10小时前发布的大模型 Mistral-small-24B 马上开测!
  4. 0:51
    NVIDIA又要跌?DeepSeek 刚用 FP8 没多久,这 FP4 训练要来了
  5. 1:43
    一招解决DeepSeek-R1无法连接网络问题!还能白嫖DeepSeek-R1!
  6. 1:17
    国产视频生成框架!能让老黄唱野狼 Disco!
  7. 4:03
    大模型竞技场 - Gemini-2.0-Flash 全网首测!
  8. 2:10
    微信刚上线 DeepSeek, 腾讯又把 AI 知识库也接入 DeepSeek 了?
  9. 2:52
    来啦!Grok-3 全网首测!登陆火星 demo!
  10. 1:55
    视觉大模型也能推理了?来看Ovis-2视觉模型的效果如何!
  11. 7:32
    谁是最强写代码模型? 我使用了最好的21个模型, 花了50刀, 总计测试252次
  12. 2:06
    全站最速!DeepSeek-V3-0324 写代码能力评测!不仅 OpenAI, Claude 也要颤抖了
  13. 4:18
    我用AI做了个网页版我的世界,还能用砸瓦鲁多
  14. 2:25
    全站最速!GPT-4.1 写代码能力评测!啊?又拉了?
  15. 5:53
    极限测试!Qwen3 写代码+画画!究竟是不是开源最强模型?
  16. 12:42
    我发现了AI最有用的用途——整理桌面!来看 Kimi-K2 Agent 能力实测!
  17. 2:02
    使用 AI 做了个以《三体》中叶文洁为视角的小短片——三体·独白
  18. 0:37
    nano-banana 幼儿园级教程① 如何将照片转换为城市天际线风格的建筑!
  19. 1:06
    nano-banana 幼儿园教程第②弹! 教你如何做模特图!
  20. 0:55
    nano-banana 幼儿园级教程第③弹! 如何实现贴纸自由!
  21. 0:46
    nano-banana 幼儿园教程第四弹! 教你如何克隆喜欢的图标!
  22. 0:41
    nano-banana 教程第五弹! 如何万物像素化!
  23. 1:10
    nano-banana 生成 8K 分辨率图片教程!
  24. 3:06
    Kimi-K2-0905 实测! 一口气输出1100行代码
  25. 1:41
    Qwen3-Max-Preview 实测! 给大家放个鞭炮
  26. 2:20
    Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗?
  27. 1:31
    刚发布的 Qwen3-TTS-Flash 实测!
  28. 2:54
    DeepSeek-V3.2 实测! 真就只提升了0.1?
  29. 2:18
    Claude-Sonnet-4.5 实测! 口嫌体正直国庆献礼?
  30. 2:22
    GLM-4.6 实测! 最近都很流行更新一大截然后版本就增加0.1嘛?
  31. 2:22
    DeepSeek 竟然是 INTJ, 如果改成 INFP 会怎样?
  32. 2:05
    claude-haiku-4.5 实测! 便宜大碗?
  33. 2:15
    Vibe Coding 不流行了? Spec Coding 教程来啦
  34. 2:36
    KAT-Coder-Pro-V1 实测! 早放3个月就好了?
  35. 2:07
    Minimax M2 实测! 你也晚了3个月?
  36. 1:16
    Cursor 推出炼蛊模式!一口气能开8个代理!
  37. 2:32
    Cursor 终于有自己的大模型啦!来看实测!
  38. 2:28
    Qwen3-Max-Thinking 实测! 呃......
  39. 2:17
    Kimi-K2-Thinking 实测! 差距继续缩小!
  40. 3:17
    Gemini 3.0 Pro 实测! SOTA! 不过发现两个重要问题!
  41. 0:52
    nano banana pro 幼儿园教程! 如何合成橱窗图片!
  42. 4:31
    Meta 的新模型 SAM 3 实测!
  43. 2:05
    什么? 用 Claude Code 剪视频?
  44. 2:50
    DeepSeek V3.2 正式版实测! 提升真的有限?
  45. 2:57
    教程来啦! 如何使用AI打造自媒体博主军火库
  46. 2:54
    GPT-5.2 实测! 美是真的美, 卡是真的卡
  47. 1:25
    一秒生成高斯点云? Apple新模型SHARP实测!
  48. 4:38
    AI送外卖到底有多强? 来看 Doubao-Seed-1.8 Agent 能力评测!
  49. 4:33
    现在都流行大模型月更吗? MiniMax-M2.1 实测!
  50. 3:42
    2025年全球大模型厂商下载量排行榜
  51. 3:27
    500张图片测试! 一个视频告诉你GLM-Image怎么用!
  52. 5:58
    不写 prompt 改看视频了! Kimi-K2.5 实测!
  53. 4:55
    提升明显! Qwen3-Max 正式版 vs Preview版 实测!
  54. 2:29
    不是说好了年前不发吗? DeepSeek 你个大猪蹄子
  55. 7:04
    GLM-5发布啦! 给大家带来实测! 国产大模型正式进入月更节奏!
  56. 5:06
    啊?一个月一个版本? MiniMax-M2.5 4000万 token 实测!
  57. 7:01
    Qwen3.5实测! 来看贺岁档大模型的实力!
  58. 4:32
    Gemini-3.1-pro 实测! 更新了个寂寞?
  59. 5:15
    inclusionAI Ling&Ring 2.5-1T 大模型实测!
  60. 6:07
    Agent 能力有多强? 来看豆包 Seed 2.0 实测!
  61. 5:10
    龙虾专用大模型? GLM-5-Turbo 实测!
  62. 3:44
    如何做一个生产级SKILL? 用MiniMax-M2.7给龙虾写SKILL的保姆教程
  63. 8:01
    从国产SOTA走向世界SOTA? GLM-5.1 实测!
  64. 6:06
    AI能帮我拍照了? Qwen3.5-Omni实测!
  65. 8:51
    花费106刀测试! Claude-Opus-4.7 到底更新了啥?
  66. 9:04
    Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏!
  67. 2:32
    大模型写代码比说话还快是什么体验?
  68. 7:36
    Agentic Coding 能力大幅提升! Qwen3.7-Max实测!
  69. 5:39
    MiniMax-M3 最佳实践? 这个视频告诉你!
  70. 1:06
    Fable 5 超越人类还为时尚早!
  71. 0:44
    单卡 700TPS! Diffusion Gemma 来了!
  72. 5:40
    GLM-5.2实测! 什么才是Agent能力的提升?
  73. 1:43
    2分钟教你做一个可以自我迭代的 Agent
  74. 6:12
    Flash模型横评! 性价比之选竟然是这个?
  75. 6:33
    混元3实测! 300B参数竟然有这种Agent能力!
  76. 1:13
    1B就能达到这种效果?LingBot-Vision实测!
  77. 14:05
    Kimi-K3 全方位实测! 我竟然打游戏输给了她?!
  78. 4:57
    我用 LongCat-2.0 省了 88% 的 Agent 输入成本!
Description
本次不但有大家喜闻乐见的 KCORES-LLM-Arena 测试,而且还增加了新测试集 morden-art 供大家预览!另外本次还包括了 Qwen3 的幻觉和文本召回率测试解读~ 

给大家做到一个视频全面了解 Qwen3 性能!

( 好了,我终于可以去睡了, 祝各位假期愉快! )

Comments

水濑猫QwQ 2025-05-01

qwen3的大模型没啥感觉特别的,但是小模型是真的强啊,8b q4的模型显存占用在我这才5.5G,而且输出质量吊打我手头各种14b的模型,很多小模型无法理解的概念qwen3都能正确输出了,无敌

♥ 49 ↩ 5

奥托阿波卡绿斯 2025-05-01

怎么感觉qwen3争议好大,各种测试都不错,但也有好多人反馈实际体验不怎么样。是因为大家使用方式不同还是怎么

♥ 49 ↩ 12

石头都被搬没了 2025-05-01

qwen3的主要问题是训练参数太少了,但推理很强,32b那个绝对有r1 671的水平。 推理不带表常识,你要给一些问题去测试它,比如高中的一下数学题,或者侦探问题等等,而不是问它常识,常识百分百乱编,但是假如给一个好的知识库,写出来的东西很不错,qwen3一定要搭配知识库去用,甚至是去微调,我在qwq的时候就发现了。

♥ 48 ↩ 8

Kkouuuuu 2025-05-01

当你只有16G显存的情况下 Qwen3-30B-A3B-UD-Q4_K_XL 是最优的选择。有10tok的输出水平真的很好。编程只要你有基础,已经可以能大部分要求

♥ 41 ↩ 37

の微凉意浅 2025-05-01

[FGO_偷看]qwen3要是发的比ds晚那才是真的没人看了

♥ 36 ↩ 18

京城小恶鱼 2025-05-01

Qwen3用的感觉是上下文太短了,每次最好是新开一个提问,thinking的时候流程太长或者说是收敛路径太长,整体功能没有多少惊艳的地方[吃瓜][吃瓜],不过开发的策略很对,做小模型方便部署但功能足够,影响力很大

♥ 22 ↩ 8

當時人 2025-05-01

我的o3 o4mh prover v2呢宝宝

♥ 14 ↩ 2

Reorx 2025-05-01

Gemini 发音不对劲老哥,怎么听得像 Germany

♥ 8 ↩ 5

karminski-牙医 2025-05-02

回一下其它几个朋友的评论,因为盖楼没办法带图,所以直接发了,为了愉快使用要规避的几个问题: 1. 上下文避免触及到召回长度,尤其是快到16K就应该新开了,不然质量下降很快 2. 模型为了小又效果好,推理时长和token输出是要比其它模型高很多的。(想象一下神童小孩哥没学过高数,然后却能通过现有知识手撕吉米多维奇,那么他思考的时间肯定是要比同样的神人大学生要花时间的)。这个问题从qwq时代就存在。可以看我这个截图,运行同样数量的请求qwq消耗的token量是claude-3.7-sonnet-thinking 的1.7倍。大部分都花在思考上了 3. 模型大小限制造成的知识量问题, 这个建议搭配tool-call搜索接口使用, 用来当作外部记忆增加脑容量 有短板不可怕,比如 DeepSeek-R1 我倒很喜欢它幻觉强, 用在写文上效果很好, 它乱编文献就 system-prompt 让它强制引用内容务必使用搜索接口确认来源就好了

♥ 7

NoloveyouLALA 2025-05-01

感觉还是一如既往。牛逼吹的相当响。一上手发现真的很垃圾。昨天我就测试了,居然生成了以后还会有少一个分号这种问题。生成的东西相当慢,不说质量还差。

♥ 7

躺在鱼塘里 2025-05-01

qwen3的记忆有毛病,不知道是不是上下文召回的问题,没问两句就忘了自己说过什么了。跟dify配合搭建智能体也很差。

♥ 7 ↩ 5

wdcew 2025-05-01

大佬不试试 Gemini 2.5 flash 吗

♥ 5 ↩ 1

兰夜如风飞 2025-05-01

deepseek也更新了,等测评[doge]

♥ 5

听见你说阿莫西西多 2025-05-01

deep cogito公司出的cogito大模型跟这个比起来如何?

♥ 4 ↩ 4

゛零落 2025-05-01

这个prompt是手动写的还是llm帮助写的呢?

♥ 4 ↩ 1

能够思想的苇草 2025-05-29

deepseek r1小更新测试一下[露米露娜收藏集表情包_Magic]

♥ 3

浪子王杰141 2025-05-01

听说最近DeepSeek出新模型啊,真的假的?

♥ 3 ↩ 2

VENIVIDIVICl 2025-05-01

辛苦了,这么久不更新原来是在升级测试项目

♥ 3

QuantumQuasar 2025-05-01

用qwen3 235b写文,deepseek的那股儿味儿都快溢出屏幕了

♥ 3

尐约翰可汗 2025-05-29

催更deepseek新版r1

♥ 2