#评测
Claude Opus 5.5 视频提示词实测：三套开源风格库对比与企业级交付标准
手机上刷到一张截图，列了四个「Opus 5.5 视频提示词」开源仓，号称收集了几十种影片风格、附创作者原始 prompt，还带代码渲染的音乐视频源码。标题都很诱人——「选风格输入故事可生成短片」。
我的第一反应不是收…
StreamEval：首个流式视频生成评测榜单开源，37个模型同台竞技
今年视频模型圈子里最热闹的方向，莫过于实时生成和实时交互。不少团队都推出了实时交互模型，做到了能实时对话的数字人，还能一边生成一边播放视频。
随着实时交互模型逐渐增多，大家的需求也不断增加，自然就想比一比谁家模型做得更好。但传统的离线视频评…
Hermes Index 排行榜：Claude Opus 5.5 登顶 Agent 性能榜，14 个模型成本差 215 倍
Hermes Agent 官方推出了 Agent 性能排行榜 Hermes Index。这不是传统的推理 benchmark，而是模型在真实 Agent 环境中的成绩单——包含预置工作空间、真实文件、多轮对话和安全测…
Agent会越用越聪明吗？LIFT开源框架量化自我进化能力
上个月团队做了一件事：给内部的 Agent Runtime 加了一套 Memory + Skill 沉淀机制，然后跟老板说「以后这个 Agent 会越用越聪明」。老板问了一个问题，让全桌鸦雀无声——怎么证明？你说它进…
Anthropic 长文评测 GLM-5.3：网络安全能力逼近 Claude Mythos 水平
Anthropic 为 GLM-5.3 免费打了一个广告。
A 今天发表了一篇长文，专门研究 GLM-5.3 的网络安全能力，核心论点是：GLM-5.3 太强了，可以端到端开发可用的漏洞利用程序。
文章中提到，GLM-5.3 在 Expl…
GPT-6 Sol实测：价格大幅下降但编码能力倒退，性价比成最大亮点
今天跟大家一起看一下 GPT-6 Sol 的情况。GPT-6 Sol 跟 Claude Opus 5.5 基本上是同一天发布的，但口碑已经呈现出了非常明显的两极分化。
GPT-6 Sol 的价格要比 5.6 Sol 更便宜 10 美元/Mi…
豆包诗词山河上线：用地图维度组织诗歌，AI 定制课程免费生成
之前豆包爱学上线了「豆包课堂」——把中国古诗词和经典古文通过豆包 AI 做成精品讲解视频互动课。
影视级的画质、循序渐进的内容推进、唯美的配图、带有交互的课程呈现，所有内容均由豆包 AI 制作，口碑爆棚。
…
AMD免费API实测：DeepSeek-V4-Flash比英伟达快7.9倍，含opencode和WorkBuddy接入教程
AMD 开发者站上挂着四个免费的大模型 API，注册拿 key，接口 OpenAI 兼容。我把它们和英伟达的免费接口放在一起，用同一道题跑了一轮。同一个 DeepSeek V4 Flash，AMD 输出 19.8 tok/s，英伟达 2.5…
GLM 5.3 实测：750B 参数后训练逼平 GPT-5.6，复杂编码与安全能力全面评测
GLM5.3 API上线了，昨天又充值了GLM Coding Plan。
5.3的定位很直接，擅长复杂编码，长程Agent任务，加上防御性网络安全。
AA榜成绩也出来了，GLM-5.3拿到60分，也是进了前十。60分及以上的模型一共六个，G…
腾讯 WorkBuddy Bench 开源：260 道 Agent 评测任务 + 2 个自动化 Skill
腾讯 WorkBuddy 团队最新开源了 2 个 Agent Skill：wbbench-report-skills 和 wbbench-run-setup。
WorkBuddy Bench 是 WorkBuddy 产品工程实践的副产品&m…