深度文章

基于ReLE基准1.5万道中文测试，GPT-5.4-Nano响应提速85%，Agent调用能力显著增强，总成本下降32%。短板为中文复杂指令遵从能力下滑，同成本区间准确率明显落后于豆包等国产竞品。业务选型建议：不适用于追求中文性价比的核心任务，但高度契合多模型协作中需极速响应与高频调用的轻量级子智能体场景。

小米 MiMo-V2-Omni 是一款全模态基座模型，专注于感知与行动的统一，能够同时处理图像、视频、音频和文本输入。它将感知直接转化为行动，具备跨模态理解和 Agent 执行能力，如浏览器操作和端到端任务自动化。官方定位为面向智能体时代的全模态基座，本次实测侧重中文场景下的综合文本与逻辑能力，以检验其底层语言内核。评测显示，尽管架构复杂，但在准确率、响应时间等方面表现稳定

小米MiMo-V2-Pro的实测突出了其在Agent系统和专业领域中的应用场景。作为专为Agent设计的旗舰模型，它在编程和工具调用方面具备优势，适用于复杂工作流编排。评测显示在中文场景下，金融领域从76.2%提升至80.1%，医疗与心理健康从79.2%提升至80.5%，表明其在专业知识密集型应用中的潜力。尽管法律与行政公务领域有所回调，但整体为高效Agent系统提供了可靠基础。

OpenAI GPT-5.4 Mini 的实测数据表明其性能在多个维度发生显著变化。准确率从61.3%提升至67.5%，排名从第86位升至第38位；响应速度大幅提升，平均耗时从503秒降至65秒，提速约87%。平均token消耗从3551降至2479，但输出价格上涨导致每千次调用费用从48.4元增至71.8元，成本上涨48%。数据基于非线智能ReLE评测，反映了中文环境下的实际运行指标。

本次实测评估了当前主流大模型在表格识别任务上的实际表现，其核心能力体现在从复杂图像中准确还原表格结构与数据的精度。评测覆盖了政务、财务、资讯等多种真实业务场景下的表格图片，通过严格比对原图与模型输出，统计了各模型的准确率。结果显示，整体表现最佳的模型准确率也仅为66%，大部分模型集中在56%至63%区间，表明表格识别仍是多模态能力的一个技术难点。

基于社区 Claude Code Skills 经验文转写，梳理 Skills 的适用类型、编写方法、分发机制和团队治理思路。

智谱 GLM-5-Turbo 实测数据显示，测试题数约1.5万，总分准确率71.5%，平均耗时52秒，平均token消耗2934，每千次调用花费60.8元。与GLM-5版本相比，准确率微升0.5%，响应时间从130秒缩短至52秒，提速约60%，token消耗减少17.8%。输出价格从18.0元/百万token上调至22.0元/百万token，总成本基本持平，体现了速度与效率的改进。

Claude Code Skills 的核心问题，是 Token 预算溢出会在 Claude 读取之前悄悄丢弃 Skill 描述。标签：AI、公开构建、Web 开发、生产力。

Claude Code 的 /btw 命令让你可以在主任务继续运行时，通过浮层提出题外问题。本文介绍它如何融入真实工作流。

本文对谷歌Gemini 3.1 Flash-Lite进行了全面体验测试，重点评估其在文本理解、创意写作、代码生成和逻辑推理等方面的能力。测试显示，该模型在文本理解和创意写作上表现扎实，语义判别和创意任务完成度高；实物识别与OCR能力可靠；基础逻辑推理能处理常规问题。然而，在前端代码生成、空间推理和事实准确性方面存在明显短板，如游戏开发频繁缺失机制，复杂逻辑题失败，以及深度调研中的幻觉问题。

我对 Claude 的 100 万 Token 上下文窗口做了实验。长会话的成本高出 3 倍，检索能力也会随上下文规模扩大而下降。本文说明它究竟在什么情况下值得使用。

我得承认，刚开始使用 Claude Code 时，我基本忽略了内置 Skills。网上所有人都在说“去创建你自己的 Skills”，于是我照做了。我为各种事情编写自定义 Skills，也确实靠它们完成了不少工作。

OpenAI GPT-5.4的非推理模式测试评估了该模型在关闭深度思考后的综合能力表现。测试显示，模型在创意写作和代码生成方面表现出色，能够快速生成多种风格的内容和可运行的代码，稳定性突出。然而，在抽象视觉推理、复杂3D场景和数学计算方面存在明显短板，尤其是视觉推理题几乎全部失败。整体而言，GPT-5.4非推理模式是一个“文强理偏”的高速选手，适合速度优先的场景，但不适合硬核推理任务。

可直接用于 Claude Code 的提示词模板，涵盖代码生成、调试、重构、测试、文档等场景。

学习在 Claude Code 中编写提示词的基础：结构、清晰度、上下文，以及如何让 AI 交付你真正想要的结果。

一个 CLI 调用所有 Google Workspace API，输出 JSON，还能与 Bash 顺畅配合。本文介绍作者如何用 gws 取代两个 MCP 服务器，以及这对 AI 智能体工作流意味着什么。

使用代码审查插件作为完整示例，实战构建 Claude Code 自定义斜杠命令，涵盖分支分析、Markdown 报告和反馈实施工作流。

OpenAI GPT-5.4非思考模式实测表明，该模型在关闭深度思考后以快速响应为核心，相比前代在中文场景下整体能力提升。语言与指令遵从维度大幅改善达10.2%，教育、金融等专业领域多数维度得分增长，但Agent与工具调用略有回调，可能与推理深度不足有关。评测显示非推理模式在速度敏感任务中表现稳健，原生Computer Use等能力可用，适配轻量级交互需求。

GPT-5.4的实测数据显示其在性能与效率上实现了显著平衡。模型在约1.5万道中文评测题中平均准确率达72.6%，每次调用平均耗时24秒，平均消耗1364 tokens，每次调用成本约为1.22元。相较于上一代模型，其在教育、金融、语言指令遵从及Agent工具调用等领域的准确率均获得超过5%的提升，响应时间缩短约12秒，体现了全面的优化迭代。