大模型记录

风吹浪涌 #AI

编码

Claude

  • 目前唯一真神

  • 特性：遵循度高、文档处理、代码编写

  • 最佳 Prompt 结构：XML Tags (官方推荐)

  • 20251223：haiku的性价比很不错，但是智力和逻辑能力明显跟其他家没有差距

特性

Opus 4.5

Sonnet 4.5

Haiku 4.5

智能水平

最高（5星）

高（4星）

中高（3星）

响应速度

中等

快

极快（比Sonnet快4-5倍）

输入价格

$5/百万token

$3/百万token

$1/百万token

输出价格

$25/百万token

$15/百万token

$5/百万token

最佳场景

复杂推理、长期任务

日常开发、内容创作（文笔最好）

高频调用、实时响应

性能分数

80.9%（SWE-bench）

77.2%

73.3%（Sonnet的90%）

推荐人群

企业AI团队、研究者

中小企业、个人开发者

创业公司、高并发场景

GPT5

  • 保守

Gemini

Gemini-3.0-pro-preview

优点：

  • 前端能力非常好（疑似react）

  • 非常人性化

  • 文笔和脑洞都很好

  • 长窗口、多模态

缺点：

  • 非常固执，gemini3.0pro preview更聪明的表现固执

  • Google训练和系统提示词应该都要求节省算力，经常在用户要求的前提下，还是会省略、精简

  • 注意力有问题。知识库和指令忽略

  • 指令遵循能力很差

最佳 Prompt 结构：CRFC + XML (结构化指令最稳)；长提示词务必使用 XML 格式

强烈推荐使用正向引导！负面约束的效果很差

好用的 XML 标签

这些标签是 Gemini 训练数据里出现频率最高的，它一看就知道该干什么。Gemini 的“母语”是英文。虽然它懂 <角色>，但它对 <role> 的反应速度和准确度在底层逻辑上是最高的。标签越标准，它的逻辑处理越清晰。

  1. <role> (角色)：作用：告诉 AI 它是谁。 填空：资深 Go 开发工程师 / UI 设计大师 / 产品经理。

  2. <context> (背景)：作用：给 AI 提供上下文，防止它瞎猜。 填空：我正在做一个基于 Gin 的文件管理系统 / 我正在写一篇关于科幻小说的文章。

  1. <instruction> (指令/任务)：作用：这是最核心的部分，告诉它具体干什么。 填空：请重构这段代码 / 请优化这个页面布局 / 请解释这个错误。

  1. <rules> (规则/约束)：作用：给它立规矩，防止它废话或格式错误。 填空：必须使用中文 / 代码要有详细注释 / 不要解释原理，直接给代码。

  1. <output_format> (输出格式)：作用：解决你之前提到的“不输出 Markdown”问题的关键。 填空：使用 Markdown 格式 / 输出为 JSON / 使用表格展示。

  1. <code_snippet>：用来包围你的代码。

  2. <example>：如果你想教 AI 怎么说话，给它一个例子。

  3. <history>：如果你想把之前的报错日志贴进去。

千问系列

Qwen 3

  • 核心特性：原生思考模式、理工特长

  • 最佳 Prompt 结构：Markdown 骨架 (仅用于定义输出，不要指导思考过程)

Qwen-Max

阿里最大的模型，闭源

  • 从20250811开始，感觉傻了很多

Qwen-Coder

根据版本和api，差距非常大，不太好评价

  • qwen-coder-plus 官方api：20250905，疑似降智

Minimax-M2.1

优点：

  • 非常的快

  • agent能力不错

缺点：

  • 行动过于积极

Kimi-k2

Kimi-k2-0905

Kimi-k2-thinking

非常优秀

  • 创作任务很优秀

  • 代码能力可能差一些，

Kimi-k2-linear

Deepseek

20151201发布DeepSeek V3.2，官方的思路是主打数学能力

  • 优点：

    • 开源；

    • 在代码、数学、多语言任务上表现优异

  • 缺点：

    • 缺乏算力（？），模型尺寸依然是671B，基模能力和知识受限；

    • 缺乏多模态能力

    • 上下文过短

GLM

GLM-4.7

Grok

Grok 4.1

Grok 4.1（2025年11月发布），完全没办法用于编程

  • 核心卖点： "Extreme EQ" (极致的情商) 和 "Creative Writing" (创意写作)。

  • 最佳策略：“情感引导”。你甚至应该在 Prompt 里加入情绪色彩（比如“我真的很烦恼...”），Grok 4.1 会比其他模型给出更具抚慰性或共情力的回答。

  • 缺陷：grok训练方向和重点，是人性化，不遵守用户指令

  • 最佳 Prompt 结构：自然语言 + 情感交互 (像跟朋友聊天一样提要求)

Grok Code fast

一般，主打快

多模态

视频

falshvr

Wan 2.6

通义家族，15秒多镜头叙事 + 角色扮演，叙事能力大幅跃升。15秒多镜头叙事 + 角色扮演，叙事能力大幅跃升。

图片

seedvr2

Z-Image

Nano Banana Pro

非常依赖提示词，很难上手

文本

千问系列

qwen3-max

  • 官方api：20250705，疑似降智

Kimi-K2