深度文章

本文评测了阿里开源的Qwen3.6-27B模型。该模型聚焦智能体编程，中文评测呈现明显的“取舍”特征：总分微降至68.8%，推理等通用能力回调；但编程能力大幅提升6.7%，响应时间缩短80%。多维横向对比表明，该模型牺牲部分通用表现，换取了顶尖的代码水平，且凭借开源属性具备极高的本地部署价值。

本次大模型中文OCR能力评测基于真实业务场景数据，覆盖票据、手写、繁体字及竖排文本等七类典型任务。评测采用规则匹配与LLM裁判结合的双重判分机制，以确保结果客观。总榜显示，月之暗面的Kimi K2.6以69.8%的综合准确率位居第一，领先第二名Qwen3.6-plus近3个百分点。在排名前十的模型中，国产模型占据八席，表现出明显的群体优势。

本文对 GPT-5.5、Kimi、通义千问等多款大模型的表格识别能力进行实测，重点评估它们在复杂结构和水印干扰下的表现，发现模型普遍存在准确率下降和识别错误问题。实测中，GPT-5.5 因水印导致数字识别偏差和结构错乱；通义千问在水印下输出内容空白或错误；Kimi 则出现“致盲”现象，识别准确率受影响。这些结果反映了多模态大模型在视觉理解任务中的能力局限。

OpenAI GPT-5.5实测深入评估了模型在智能体编程、计算机操作、知识工作和科研任务等核心能力上的强化。测试显示，新版本在推理与数学计算领域准确率从78.2%提升至83.7%，agent与工具调用能力从60.3%升至65.0%，整体准确率达到75.3%，较GPT-5.4-high的72.6%有显著改进。响应速度平均耗时从24秒缩短至15秒，token消耗下降约30%，印证了官方用更少指导完成