6大AI模型暴力测评！2026到底谁才是真好用？

拿网页版deepseek来测是何意味

♥ 195 ↩ 26

海外选手，调研过一下身边的同学，分享一下身边的情况，其中中国人几乎清一色gpt，Claude用户基本是gpt的三分之一左右，而且多为工科或者计算机学生，印度/孟加拉/巴基斯坦南亚三国的人各有千秋，基本稍微懂点ai的都用Claude，东南亚人可就太多了，可能是因为出身普遍不好他们中间有好些用中国模型，我身边好几个泰国越南的cs大佬反而常用DeepSeek，白人不好统计，但基本是Gemini，Claude，GPT御三家，到没有感觉哪个更多一些，日本人韩国人用GPT更多一些

♥ 135 ↩ 31

我之前用DS和Mimo去操作一个上百个文件下载的重复任务，Ds经常做一半，有突发奇想，然后就不知道怎么做了，但是Mimo 突发奇想的一次被我拒绝了 剩下完成的就很完美

♥ 84 ↩ 13

gpt[doge]还不是最新的

♥ 62 ↩ 11

何意味，测试上下文，不用API，测试代码能力全都用claudecode，那肯定就是claude适配好啊，虽然claude本身就强，但你好歹换个容器，改下变量吧

♥ 36

求大佬指点——我用deepseek感觉甚至不如豆包，是使用方法不对么？ 比如在查询某些细节问题时（比如我问常见NAS系统，对docker的权限、结合外网访问的端口映射，策略各是什么），deepseek不论是否要求在网上搜索得到具体消息，回答的准确率都远低于豆包。而且要求deepseek网上搜索，经常也会反馈个“xx网页打不开、有验证码”之类的。

♥ 31 ↩ 24

网页版测模型能力来了，还暴力测试呢

♥ 29

个人使用下来，千万不要用DeepSeek编程，特别是PRO模式，甚至不如flash，缺钱用千问，有钱就用Kimi或glm，minimax一般般勉强能用

♥ 28 ↩ 6

个人感觉，GPT和它的生态的使用体验和所有其它AI都拉出断档了

♥ 34 ↩ 2

豆包用过一两个月，问些计算题他能给你答案。 但在查阅资料这一块喜欢给你瞎整瞎搜集。 初使用你告诉他给错答案，哎！他还会道歉挺有意思… 但用久了会觉得有点反感，最后卸载了。

♥ 26 ↩ 1

要我说评价模型的智商还得看幻觉率。扣问号左右脑互搏亲测大部分ai中招。个人亲测所有主流模型只有GPT和Claude没中招，豆包的话专家模式没互搏，快速模式互搏了(公平起见所有模型都用的有联网功能的免费额度内的模型)[吃瓜]

♥ 20 ↩ 5

小孩才做选择[doge_金箍]全部ai集成起来不香么[吃瓜]随时换着来用[打call]

♥ 29 ↩ 9

ds现在我用下来最大的问题是喜欢自己加私货。已经明确说了要按照规范，禁止乱加，还是给我一通乱加。mimo的结果很多时候确实缺少一些灵性，但是总体上总是能符合我所想要的那种感觉，但是mimo配合cc的workflow很一般，不懂得并行设计，经常await，要你明确说要并行设计才会好点，然后workflow写入结果的时候，文本一长经常卡住，直接卡死，希望小米能尽快优化一下他们的算力吧。 然后opus4.8非常稳定，基本你告诉它要遵守规定，它就是按照规定来，但是太贵了，而且最终的结果也不是说就非常完美，很多时候花了ds和mimo十几倍的token，结果反而没有mimo给我的那种“我就是要你写成这样”的感觉，尤其是配合workflow的时候，一堆对抗审查的批注会留在里面。

♥ 17

ds 还算聪明但写代码有点粗糙，比如让他把另一个项目的某个功能模块抄过来，总是功能有异常，这块 glm 就比较老练。还有小米模型居然挺能打也是让我另眼相待，以前以为上不了桌面的

♥ 16

上个月我开了一个月的chatgpt pro和一个月的Claude Max都是我自己的号，问同一个问题，chatgpt刚开始还会研究思考，一个问题差不多思考十几分钟，用了几次之后回答的越来越快了，而且回答也是很潦草，感觉是降智了…… Claude的回答对我来说确实很专业，好几轮之后的回答都比gpt要好的多，感觉也没怎么降智，只过不 每当下午用Claude时候，老是给我宕机，深度思考还没10分钟直接卡住不动了，要不就是聊天额度用了，就一直不动像是卡死了一样……

♥ 15 ↩ 1

为啥没盘古大模型？自研模型配自研升腾卡，乱杀[嗑瓜子]

♥ 18 ↩ 18

我感觉测模型就得用 api，然后接入 pi 之类的简单 harenss 下来评测，有些模型在网页版就是阉割过的，而且平时真写代码不可能用网页的

♥ 14

免费豆包，我的反问质问吗？，触发了搜索工具（没问题）， 但我输入的内容：“固定资产盘亏不是统一为营业外支出吗？”， 豆包大模型匹配的好像是“固定资产盘亏不是统一为营业外支出”，陈述句， 输出内容是反过来反驳我的[笑哭]整笑了

♥ 13 ↩ 2

不用 API 测的吗，用网页的不行啊。不一样的(｡-_-｡)

♥ 13

我都是多个模型一块用，不让一个模型干活，那样出错了都不清楚，我习惯用GPT做架构，以及编程，kimi上下文长，就用Kimi把控整体方向，cluade用来做超出的严谨性审查。

♥ 13 ↩ 2