模型评测

厂商发布页给出的分数、独立机构的横向测量与人类的盲投偏好,测量的是不同的对象。本文先界定评测的三类对象,再对比 Claude、GPT、Gemini、DeepSeek 最新模型的发布数据与实际表现,最后给出当前的能力分布与性价比判断。

· 6090 字

SutdownBlog 视觉重构记录

从 Stack 主题的默认样子到藕粉手绘风,记录这一年里三个阶段的改造:换了什么、为什么换、踩了哪些坑。

· 6918 字