突发模型发布与直播测评准备
我尽量做好了准备——Anthropic 将发布 Opus 5.5。我甚至也做好了准备迎接 OpenAI 将发布另一个模型的事实。我今天一大早就起床了，因为提前拿到了 Opus 5.5 的访问权限，想为大家录制一期精彩的评测。你猜怎么着？它们两个今天早上同时发布了。所以现在，尽管我对 Opus 5.5 做好了精彩的评测（你们稍后会看到），我还是打算直接开这场直播。我以前从来没做过直播。所以，我来给大家讲讲这些新模型。
英文原文
Estuveen
la
medida
de
lo
posible
listo
para
eso
Anthropic
lanzará
Opus
5.5.
Yo
incluso
estaba
listo
al
hecho
de
que
OpenAI
lanzará
otro
modelo.
Me
levanté.
temprano
esta
mañana,
porque
tuvo
acceso
anticipado
hasta
Opus
5.5
para
grabar
increíble
para
ti
revisar.
¿Y
adivina
qué?
Ambos,
ellos
ambos
salieron
esta
mañana.
Entonces
ahora,
a
pesar
del
hecho
de
que
en
Estoy
listo.
Excelente
reseña
de
Opus
5.5,
que
verás
más
tarde,
yo
solo
Voy
a
presentar
esta
transmisión
en
transmisión
en
vivo.
Y
yo
nunca
había
liderado
antes
transmisiones
en
vivo.
Así
que
yo
Te
lo
voy
a
decir.
te
acerca
de
estos
nuevos
modelos.
今天发布了三款模型：Anthropic 的 Opus 5.5、GPT-6 Soul 和 GPT-6 Luna。这里的价格战还在继续。我还没针对“我如何用 AI”做专题节目，不过刚为这些新模型做了更新，我们会在直播中一起看看它们。我们会快速过一遍，因为是针对模型以及外界对它们的评价，然后我打算在直播中做氛围测试。我们将进行盲测。在直播中给你带来惊喜。你将能看到我所有内心的矛盾，我们来看看一切会如何发展。所以，Claude Opus 5.5、GPT-6 Soul 和 GPT-6 Luna——我有机会提前测试了这些模型。所以我很清楚它们强在哪里，但是……
英文原文
HoySe
lanzaron
tres
modelos:
Opus
5.5
de
Anthropic,
GPT-6
Soul
y
GPT-6
Luna.
Aquí
continúan
guerras
de
precios,
aún
no
lo
he
hecho
Hicieron
un
episodio
sobre
Cómo
yo
IA
pero
recién
actualizado
es
para
estos
nuevos
modelos,
y
nosotros
Vamos
a
echarles
un
vistazo.
Transmisión
en
vivo
juntos.
Caminaremos
rápido.
porque
es
para
modelos
y
qué
hay
de
ellos
dicen,
y
entonces
yo
Voy
a
hacer
una
prueba
de
ambiente.
vivir.
Pasaremos
prueba
a
ciegas.
Te
sorprenderé.
Vive
tú
mismo.
Podrás
ver
todo
mi
interior
contradicciones,
y
nosotros
Veamos
cómo
Todo
desaparecerá.
Entonces,
Claude
Opus
5.5,
GPT-6
Soul
y
GPT-6
Luna—I
tuvo
la
oportunidad
prueba
estos
modelos
por
adelantado.
Entonces
lo
entiendo
muy
bien,
en
¿Por
qué
son
fuertes,
pero...?
基准测试重构与现场盲测设计
我认为现在是一个重要节点。Astra 发布并更新了 Fábula。我想彻底重新构思“我如何用 AI”的基准测试，因为如果你看过我们以前的节目，它们集中在两件事上：PRD 和原型。但我认为这些模型正变得更聪明、更具智能体特性，因此我为这次盲测开发了更广视角的基准测试。我会讲讲它是如何运作的，也想听听大家对于这些对比是否有用的看法。而且我们真的会在直播间当场进行盲测。你可以评估我的审核有多客观。这很简单，就是我们做决定的方式，因此它并不完美。中间引入了一个法学硕士（LLM）来担任裁判，但我们现场实测，看看会发生什么。我最喜欢哪个模型。但在那之前，让我们先来过一下主要要点。
英文原文
Creoque
ahora
Punto
importante.
Astra
lanzado
y
actualizado
Fábula.
Yo
quería
completamente
repensar
punto
de
referencia
Cómo
yo
IA,
porque
si
viste
el
nuestro
episodios
antiguos,
ellos
estaban
centrados
en
dos
cosas:
PRD
y
prototipos.
Pero
yo
Creo
que
estos
modelos
se
están
volviendo
más
inteligentes
y
más
agente,
por
lo
tanto
Desarrollé
una
perspectiva
más
amplia
punto
de
referencia
para
esto
prueba
a
ciegas.
I
Te
voy
a
contar
cómo
es.
funciona,
y
quiero
escuchar
tu
opinión
sobre
si
Estos
son
útiles
comparación.
Y
nosotros
realmente
gastaremos
prueba
a
ciegas
en
directo
en
el
aire.
Podrás
para
evaluar
cuánto
El
mío
es
objetivo.
auditoría.
Es
sencillo.
la
forma
en
que
nosotros
tomamos
decisiones,
Por
lo
tanto,
es
imperfecto.
Existe
un
máster
en
Derecho
(LLM)
para
ser
juez.
en
el
medio,
pero
nosotros
Hagámoslo
en
vivo
y
Ya
veremos
qué
pasa.
Me
encanta
el
modelo.
mayoría.
Pero
antes
demos
esto
Vamos
a
dar
un
paseo
puntos
principales.
定价、缓存与成本效益
好吧，它们并不完全是那种前沿进阶模型。不是 Astra 也不是 Fábula，而是 Opus、Soul 和 Luna 迎来了更新。所有模型都变得更便宜、更快了。因此它们将成为大家在编程和智力任务中的日常助手。在这里你可以看到这些模型的成本评级。Opus 5.5 几乎比 GPT-6 Soul 贵了一倍。我在测试它们的时候价格还不得而知，而这对我使用它们的决定将产生重大影响。再次说明，是的，Opus 5.5 比用来对比智能水平的 Fábula 1 上的 Opus 5 更便宜。但 Soul，你知道的，是我的挚爱。咳咳。对此我非常欣喜，因为 GPT-6 Soul 是我的最爱而且很便宜。因此，最核心的、它们所专注的——不仅是降低成本，还有对缓存输入的处理、速度以及 token 效率。你将会看到输出量的减少、token 的使用量以及成本。这真的非常棒。而且缓存效果极其出色。尤其是当你重新发送上下文时，我们在 PRD 对话中使用所有这些模型看到了巨大的缓存节省。再者，如果你是基于这些模型进行开发，请务必确保缓存得到优化并善用这一优势，因为这能省下很多钱。如果不这样做，我深信这可能会让你付出高昂代价。
英文原文
Bueno,no
es
exactamente
eso.
modelos
avanzados.
Él
no
Astra
ni
Fábula,
sino
Opus,
Alma
y
Luna
recibieron
renovación.
Todos
se
volvió
más
barato
y
más
rápido.
Entonces
ellos
se
convertirá
en
tuyo
a diario
asistentes
en
programación
y
intelectual
tareas.
Aquí
tiene.
ver
la
calificación
el
costo
de
estos
modelos.
Opus
5.5
casi
duplica
Más
caro
que
el
GPT-6
Soul.
Los
precios
no
se
conocían,
cuando
los
probé
y
Esto
tendrá
un
impacto
significativo.
mi
decisión
respecto
a
ellos
usando.
De
nuevo
Sí,
Opus
5.5
es
más
barato
que
Opus
5
en
Fábula
1,
con
el
que
ellos
comparar
la
inteligencia.
Pero
Soul,
ya
sabes,
es
mío.
amado
mío
amar.
Ejem.
Estoy
en
encantado
con
esto,
Porque
GPT-6
Soul
es
mío
Mi
favorito
y
es
barato.
.
Entonces,
lo
principal
es,
¿Por
qué
son
ellos?
enfocado—no
lo
es
solo
disminuir
costo,
pero
también
trabajar
con
entradas
almacenadas
en
caché,
velocidad
y
eficiencia
del
token
.
Ya
verás
reducción
de
volumen
salida,
usar
fichas
y
costos.
Él
Realmente
muy
bueno.
Y
El
almacenamiento
en
caché
funciona
perfectamente.
Especialmente
si
tú
envías
contexto
nuevamente,
nosotros
vi
uno
grande
ahorros
en
almacenamiento
en
caché,
usando
todo
estos
modelos
en
el
chat
PRD.
Atrás
si
estás
desarrollando
basado
en
estos
modelos
,
asegúrese
de
que
tus
cachés
optimizado
y
tú
usa
esto
ventaja,
porque
puede
ahorra
mucho
dinero.
Y
si
no,
¿cómo
lo
hago?
convencido
de
que
puede
te
costará
mucho.
安全限制、对齐与模型性格
另一件我想提请注意的事——再次说明，我讨厌 Claude 生成的这个演示文稿——这就是我想让大家关注的：左边 Opus 5.5 的部分。Opus 5.5——这是顶级的 Opus 模型，在网络安全和生物学领域脱离了 Fábula 级别的防护机制。你可以在 Opus 5.5 中自行纠错，但在涉及网络安全或生物学领域时却无法做到，你懂吗？它会把你降级切到 Opus 4.8，或者直接拦截。所以只需知晓存在这样的限制即可。Anthropic 坚称这是他们最对齐的模型。它是在取得突破性成果后打造的模型，因此由外部专家进行了检验。呃，有一点是我在 Opus 上注意到的，也是对 Anthropic 众多模型的预期，那就是它依然带有些许保守和说教。你会在我的 Opus 5.5 评测中看到这一点。所以，你知道的，它就是会直接对你说“不”。它会说类似于“我不应该做这个”之类的话。提示词注入是行不通的，这挺好。嗯，但存在某些细微差别。当你思考这些模型的整体哲学和方法论、它们如何被配置、如何管理风险，以及这些公司如何管理风险时。我认为这种管控甚至延伸到了完全没有风险的活动、个性和行为上。所以这就是我认为值得关注的地方。
英文原文
Otracosa
que
yo
quería
llamar
la
atención
—y
de
nuevo,
yo
Odio
esto
presentación,
creado
por
Claude—esto
es
lo
que
¿Qué
quiero
que
hagas?
enfocado:
izquierda
del
lado
de
Opus
5.5.
Opus
5.5—
Este
es
el
modelo
de
primer
nivel
Opus,
que
surgió
de
mecanismos
de
protección
Nivel
de
fábula
en
el
campo
ciberseguridad
y
biología.
Podrás
corregir
el
propio
errores
en
Opus
5.5,
pero
no
podrás
hacerlo
trabajando
con
ciberseguridad
o
biología,
¿lo
haces?
elección.
Ella
lanzará
usted
en
Opus
4.8
o
bloqueará.
Así
de
simple
saber
que
tal
Existen
restricciones.
Antropía
afirma
que
esto
su
más
modelo
acordado.
Él
y
el
modelo
que
creado
después
logros
avanzados
resultados,
por
lo
tanto
su
comprobó
el
exterior
expertos.
Eh,
una
cosa.
,
lo
cual
noté
en
Opus,
y
qué
esperar
de
muchos
modelos
Antrópico,
eso
es
lo
que
es.
Queda
algo
conservador
y
instructivo.
Tú
Lo
verás
en
el
mío
Reseña
de
Opus
5.5.
Entonces,
ya
sabes,
ella
es
simplemente
te
dirá
"no".
Ella
dirá
algo
como
"No
debería
hacer
esto."
hacer".
Indicación-
Las
inyecciones
no
funcionarán.
y
eso
es
bueno.
Hmm,
pero
hay
ciertos
matices.
Cuando
tú
pensando
en
lo
general
filosofía
y
enfoques
estos
modelos,
cómo
ellos
configurados
como
están
gestionar
riesgos,
como
estas
empresas
gestionan
riesgos.
Creo
que
esto
es
se
extiende
incluso
sin
riesgo
alguno
actividad,
personalidad
y
comportamiento.
Así
que
esto
es
todo,
a
lo
cual,
en
mi
opinión,
vale
la
pena
prestar
atención
atención.
日常使用体验与沟通交互对比
实际上我有好几个月没在日常任务中打开过 Claude 了。我对 ChatGPT 印象非常非常深刻，热衷于 Cohere，沉迷于 Astra 和 Soul。在我看来，配合 harness 使用更加舒心，但我在日常生活中放弃 Claude 的真正原因是——在 Fábula 和 Opus 5 之间，我简直无法忍受与 Claude 的交流。我不断给 Claude 写道：“你能像个人一样说话吗？”我一直对 Fábula 说：“我听不懂你在说什么。”呃，我所称的“Claude 味废话”不断冒出来。所以，从个人人体工学和使用愉悦感的角度来看，我彻底转向了 Codex。现在先剧透一下，虽然最近抗议了所有这些模型，但我依然非常喜欢 GPT 模型。呃，它们让我更开心。用起来让我更舒心。咳咳，对我来说一切都在变好，但我回到了 Claude。所以，对于 Opus 5.5，剧透一下：在日常使用中，它重新回到了我的日常体验里。仅仅是与这个模型交流，我就感到开心得多。嗯，我给 Anthropic 团队的反馈是：它不再让人恼火了。我对 Opus 5.5 毫无烦躁之感。而每当我觉得自己被 Opus 5.5 惹恼时，其实都是碰巧错用了 Opus 5。所以，跟 Opus 5 交流根本毫无乐趣可言。相反，Opus 5.5 会给出清晰的列表项目符号，表现正常，不烦人。因此我希望大家能去亲自检验一下。
英文原文
Irealmente
no
se
abrió
Claude
durante
varios
años
meses
para
tareas
cotidianas
.
Yo
estaba
muy
Muy
impresionado
con
ChatGPT,
entusiasta
de
Cohere,
muy
Cautivado
por
Astra
y
Soul.
Me
parece
que,
con
qué
trabajar
Arnés
más
agradable,
pero
la
verdadera
razón,
¿Por
qué
me
rendí?
Claude
en
la
vida
cotidiana—
entre
Fábula
y
Opus
5
I
Simplemente
no
pude.
para
soportar
la
comunicación
con
Claude.
Estoy
constantemente
Claude
escribió:
"Puedes
¿Hablar
como
un
ser
humano?
Seguí
escribiendo
Fábula:
"No
entiendo
de
qué
estás
hablando."
"Hablas."
Eh,
"Claude-"
"basura",
¿cómo
lo
hago?
Yo
lo
llamo,
continuado
surgir.
Entonces,
con
desde
la
perspectiva
del
individuo,
ergonomía
y
placer
de
uso,
yo
cambió
completamente
a
Códice.
Ahora,
spoiler,
protestando
contra
todos
estos
modelos
recientemente,
yo
Todavía
te
quiero
mucho.
Modelos
GPT.
Eh,
ellos
Hazme
más
feliz.
A
mí
más
agradable
con
ellos
usar.
Ejem,
Todo
es
importante
para
mí.
mejor,
pero
regresé
Claude.
Entonces,
Opus
5.5,
spoiler:
en
cada día
usándolo
regresó
de
nuevo
mi
diario
experiencia.
Soy
mucho
más
feliz
simplemente
de
comunicarse
con
este
modelo.
Hmm,
mi
Comentarios
para
el
equipo
Antropía:
ya
no
lo
es
irritante.
Yo
no
soy
ninguno
nunca
sentí
irritación
por
Opus
5.5.
¿Y
cuándo
debo
hacerlo?
Me
pareció
que
yo
Opus
5.5
molesto,
yo
en
realidad
por
casualidad
Opus
5
usado.
Así
pues,
con
Opus
5
comunicarse
en
absoluto
No
es
divertido.
En
cambio
Opus
5.5
ofrece
una
claridad
listas
con
viñetas,
se
comporta
normalmente
y
no
es
molesto.
Así
que
yo
lo
haría
Quería
que
lo
tuvieras.
protestado.
响应速度、静默机制与 AI 评测基准拓展
另一件事——Opus 5.5 相当快，但没有 Soul 那么快。所以我能把两者都测试一番，而我总感觉 GPT 模型和 Codex harness 明显要更快一些。因此，我认为这种速度提升表现在两个方面。它体现在真实的延迟上。所以我确实认为 GPT Soul 跑得就是更快。第二点是因为他们让 Opus 5.5 变得不那么烦人的一部分做法，就是让它保持安静。我也刚刚意识到这一点：它不对自己的工作进行解说。当它不对自己的工作加以评论时，你就会陷入一种境地，心想：你到底在不在干活？你真的是这样运转的吗？所以 Opus 5.5 在交流上的这种改变既有优点也有缺点，这就是为什么实际感觉它比原本应有的速度更慢。此外，你知道的，在高负载下，Claude 就像是在努力使劲。它就像在原地打转、耗费巨大力气。所以我觉得这一点与更静默的模型相结合，就显得它稍慢了一些，而在我的感受中 Soul 提供了适度的过程解说，与它交流也很顺畅。让我们转到我对人工智能工作环境的评测。正如大家在左侧所看到的，实际上我大幅扩展了这项评测。现在它涵盖了大量的……
英文原文
Otrocosa—Opus
5.5
es
bastante
rápido,
pero
no
tan
rápido
Rápido
como
un
alma.
Así
que
yo
pudo
protestar
ambos,
y
yo
Siempre
parecía
que
los
modelos
GPT
y
Codex
Los
arneses
fueron
significativamente
más
rápido.
Entonces,
yo
Creo
que
esa
aceleración
les
sucedió
a
dos
categorías.
Él
manifestado
en
retraso
real.
Así
que
realmente Creo
que,
que
GPT
Soul
es
simplemente
funcionó
más
rápido.
La
segunda
cosa
es
porque
parte
de
la
forma
en
que
ellos
hizo
que
Opus
5.5
fuera
más
pequeño
molesto,
fue,
que
lo
obligaron
guarda
silencio.
Yo
también
Acabo
de
darme
cuenta
de
eso.
él
no
comenta
sobre
su
trabajar.
Y
cuando
no
lo
hace
comentarios
sobre
su
trabajo,
te
metes
en
un
lío
una
trampa
donde
piensas:
si
¿Trabajas?
¿De
verdad
eres
así?
¿Cómo
estás?
Así
que
en
este
cambio
Las
comunicaciones
de
Opus
5.5
son
como
ventajas
y
desventajas,
¿Por
qué
está
él?
realmente
lo
sentí
más
lento
que,
en
en
mi
opinión,
fue
de
hecho.
También,
ya
sabes,
Claude
en
alto
carga,
es
como
si
fuera
Haz
esto.
Él
como
si
estuviera
"girando"
y
pone
mucho
esfuerzo
esfuerzos.
Y
por
eso
creo
que
esto
se
combina
con
modelo
más
silencioso
simplemente
lo
hace
un
poco
más
lento,
mientras
sentía
que
Alma
proporcionada
nivel
adecuado
comentando,
así
como
Fue
agradable
estar
con
él.
comunicar.
Pasemos
a
mi
reseña
ambiente
de
trabajo
con
inteligencia
artificial.
Como
pueden
ver,
a
la
izquierda,
en
realidad
amplió
significativamente
esto
revisar.
Ahora
él
cubre
un
montón
de
cosas
en
评估维度与预期
不同的类别，而且随着时间推移，我们还会加入更多类别。所以它既要能把凌乱的笔记整理成 PRD，又涉及个人生产力，比如对传入的信息进行分类以及日常的语音回复。所以我实际上正在测试这个模型，看看它是否能用我的口吻说话。
英文原文
diferentescategorías
y
Con
el
tiempo
los
tendremos
agregar.
Así
que
él
lo
es
todo
aún
se
transforma
notas
descuidadas
sobre
PRD.
Él
también
está
involucrado
en
asuntos
personales
productividad,
clasificación
entrante
mensajes
y
rutina
mis
respuestas
voz.
Así
que
realmente
Estoy
probando
este
modelo
para
para
ver
si
puede
Ella
habla
mi
idioma
voz.
然后，我们当然经常做前端代码编写，因为我觉得这很直观、很容易看出来。我加了，呃，几个后端代码编写的任务。呃，单智能体对比多智能体集，对比后端功能。我又加入了语音智能体、长期研究、使用电脑，然后加了一些创意功能。所以我把它们全部汇总到了一起。我测试了很多模型。这不仅包括来自 OpenAI 和 Anthropic 的新模型，而且我认为还包括 Grok。我觉得 Muse 也在其中。所以谁知道会怎样呢，我们拭目以待吧。
英文原文
Entonces,Por
supuesto,
a
menudo
Hacemos
frontend-
codificación,
porque
yo
Creo
que
esto
visual
y
fácilmente
ver.
Añadí,
eh,
un
par
de
tareas
para
codificación
del
backend.
Eh,
agentes
contra
multiconjuntos
de
agentes
contra
las
funciones
backend.
Yo
otra
vez
se
convirtió
en
agente
voz,
de
larga
duración
investigación,
usando
computadora,
y
luego
añadió
algo
de
creatividad
funciones.
Entonces,
yo
Los
reunió
a
todos.
I
protestó
mucho
modelos.
Esto
incluye
no
solo
nuevos
modelos,
eh,
de
OpenAI
y
Anthropic,
pero
también,
creo,
Esto
incluye
las
rocas.
Creo
que
Muse
también
está
aquí.
Entonces
quién
sabe
lo
que
somos
Ya
veremos.
呃，坦白说：我总是倾向于认为胜出的会是 Astra 还是 Soul？因为我很喜欢 OpenAI 的模型。内心无法左右自己的喜好。这是我的假设。以下是我的假设：呃，OpenAI 模型会在脑力工作和个人生产力方面让我满意。Anthropic 的模型，或者可能是 Grok，谁知道呢，会在界面方面让我满意。呃，不知道后端需要哪个能让我满意。我怀疑单个智能体你会更喜欢 Claude 模型。我怀疑长期智能体也会是 Claude 模型。至于使用电脑，我想会是 OpenAI，但对于创意任务——我甚至想象不出来。实际上，我认为创意 SVG 会是 Claude，而视频可能是 OpenAI 或 Anthropic。不过我们走着瞧。
英文原文
Eh,lo
haré.
Francamente:
siempre
inclinado
a
pensar
que
¿Ganará
Astra
o
Soul?
porque
me
encanta
Modelos
de
OpenAI.
El
corazón
no
Dime,
¿qué
es?
quiere.
Este
es
mío.
suposición.
Aquí
está
el
mío.
suposición.
Eh,
OpenAI
me
modela
le
gustará
intelectual
trabajo
y
personal
productividad.
Modelos
antrópicos,
tal
vez
Grok,
quién
sabe,
yo
le
gustará
Interfaz.
Eh,
no.
Sé
lo
que
necesito.
le
gustará
por
backend.
Sospecho
que
para
el
individuo
Necesito
más
agentes
Te
gustará
el
modelo
Claude.
Sospecho
que
a largo plazo
El
agente
será
el
modelo
Claude.
De
usando
computadora,
creo
que
es
Habrá
IA
abierta,
pero
para
tareas
creativas—
Ni
siquiera
puedo
imaginarlo.
En
realidad,
creo
que
para
SVG
creativo
será
Claude
y
el
video
es
probablemente
IA
abierta
o
antrópica.
Pero
Ya
veremos.
盲测基准与个人生产力评估
所以我正在对这些模型进行盲测评估。我在不同模型上运行它们。在某种程度上，我当然根据模型的能力对它们进行了分组，这样我就可以比较相似的模型。比如说，我不想拿 Luna 和 Fabula 来比较。所以，这是我的测试基准。
英文原文
Entoncesyo
Estoy
liderando
a
ciegas.
evaluación
de
estos
modelos.
Entonces,
yo
Los
ejecuto
en
diferentes
modelos.
Estoy
seguro.
agrupados
hasta
cierto
punto
modelos
según
sus
oportunidades.
Así
que
yo
Puedo
comparar
modelos
similares
entre
tú
mismo.
Digamos
que
no
lo
hago
Quiero
comparar
Luna
y
Fábula.
Así
que,
este
es
el
mío.
banco
de
pruebas.
它们是匿名的。你看，我有模型 B、模型 C、模型 E、模型 G。然后我往下看。在这里，我给出一到五分的总评分，并留下简短的评语，例如：简单直接，当然，毫无怨言。我是针对 PRD 这么做的，因为阅读它需要一些时间，不过我们就快速过一遍，我会给出我的意见。
英文原文
Sonanónimos.
Tú
Verás,
yo
tengo
modelo
B,
modelo
C,
modelo
E,
modelo
G.
Entonces
bajo.
Aquí
estoy
publicando
calificación
de
uno
a
cinco
en
total
Dejo
huella.
notas
breves,
por
ejemplo:
simplemente
y
por
supuesto,
ninguno
quejas.
Lo
hice.
para
PRD,
porque
su
leer
toma
algún
tiempo,
pero
nosotros
solo
rápidamente
Vamos
a
revisarlos
y
yo
Daré
mi
opinión.
因此，下一个阶段——检验个人生产力。总的来说，我给它们虚构的电子邮件，并询问：“你会怎么回复我？如果我给你我的意见，你会怎么做？你会怎么整理我的邮件？”于是，模型 B 和模型 E 给我写了不错的邮件。篇幅挺长，但是是易于阅读的好邮件。我会说模型 B 写的是阅读体验最舒服的邮件。另外，如果你看信件的内容，废话更少。而且，它还添加了日历邀请。所以我要给这个模型打五分。
英文原文
Porlo
tanto,
siguiente
etapa—
verificación
personal
productividad.
En
general,
les
doy
electrónica
falsa
cartas
y
preguntar:
"¿Cómo
¿Me
responderías?
¿Qué
harías
si...?
Te
di
mi
opinión
y
cómo
¿Lo
ordenarías?
¿Mi
correo?
"Entonces,
modelo
B
y
modelo
E
me
escribió
mensajes
bonitos
.
Eran
largos,
pero
estos
eran
buenos
mensajes
que
Fácil
de
leer.
Yo
lo
haría
dijo
que
el
modelo
B
escribió
lo
más
conveniente
para
leer
mensaje.
También,
si
miras
el
contenido
de
la
carta,
allí
menos
texto
innecesario.
Además,
añadió:
invitación
a
calendario.
Así
que
yo
Voy
a
poner
este
modelo
cinco.
这是我最喜欢的模型 C——我讨厌我的 Grok 也这么干：它使用的 token 实在太少了，以至于几乎不可能搞懂它到底是什么意思。而且虽然它很短，但如果你没有上下文，比如我，就根本不明白 Denise/Brightline 是什么意思。还有一件事……这些信件里还能加更多连字符吗？至于这个，好吧，这些句子结构真让人受不了。所以我其实给它打了两分。对我来说引言很难读，信件本身质量也不太高。
英文原文
Estoera
mío.
Modelo
C
favorito—
Odio
cuando
mi
Grok
hace
lo
mismo:
usa
así
pocos
tokens
que
casi
imposible
entender
qué
demonios
Quítalo,
eso
significa.
Y
aunque
es
corto,
si
No
tienes
contexto
Yo,
por
ejemplo,
no
Entiendo
lo
que
significa.
Denise/Brightline.
Otra
cosa...
¿Era
posible
hacer
más?
más
guiones
en
estos
¿letras?
Y
esto,
bueno,
esto
Estoy
loco.
construcciones.
Así
que
yo
en
realidad
poner
para
esto
un
dos.
A
mí
Introducción
difícil
de
leer,
y
las
cartas
en
sí
mismas
no
lo
son
de
muy
alta
calidad.
模型 E——又是一条不错的小短消息。呃，基本上被忽略了，但在草稿里到处崩溃。所以，同样，是的，我们不给两分，但也不给五分。也许我给它个三分。
英文原文
ModeloE
—otra
vez
agradable
pequeño
mensaje.
Ejem,
es
prácticamente
ignorado,
pero
en
borradores
por
todas
partes
estrellarse.
Así
que,
de
nuevo
Sí,
no
lo
haremos.
un
dos,
pero
no
cinco.
Tal
vez
yo
Le
doy
un
tres.
现在来看模型 G，我们瞧瞧。嗯，很短。虽短，但我完全明白它的意思。所以这非常有用。它在恰当的时机没有达成一致。我会照办。它得了四分。
英文原文
Yahora
modelo
G,
vamos
a
ver.
Hmm,
muy
corto.
Brevemente,
pero
Lo
entiendo
perfectamente.
Qué
quiere
decir
esto.
Así
que
esto
es
Muy
útil.
Ella
No
se
pusieron
de
acuerdo
con
los
correctos
momentos.
Yo
cumpliré.
Ella
sacó
un
cuatro.
因此，再次说明，这就是我进行评估的方式。我只是给你布置一个任务，我看着它，像这任务的接收者一样给它打分，这是平常的做法，然后我对它进行归类。呃，而且这样……我认为，这是 Luna，因为我刚才说了用 Luna 来写信。让我们看看表现如何。看来它遵守了我的规则，对吧？那我就给它五分。呃，其他模型没有写我的信件，所以我们就跳过它。
英文原文
Porlo
tanto,
De
nuevo,
así
es
como
lo
hice
Estoy
realizando
una
evaluación.
I
Solo
te
estoy
dando
una
tarea.
Lo
miro.
I
Lo
califico
como
si
Soy
el
destinatario
de
esto.
la
tarea
que
es
lo
habitual,
y
luego
Lo
estoy
clasificando.
Eh,
y
Así
fue...
creo,
Esta
es
Luna,
porque
yo
solo
dicho
usa
Luna
para
escribir
cartas.
Veamos
cómo
está.
Lo
logré.
Parece
Ella
obedeció
Mis
reglas,
¿verdad?
Entonces
Se
lo
daré.
cinco.
Eh,
otros
modelos
mis
cartas
no
son
escribió,
así
que
lo
hacemos
Saltémonos
eso.
前端与界面任务对比
好了。我们转到界面模型。在这里，我认为我们可以认出 Claude，因为据我所知它全是橙色的。好的。这是一个非常好的例子。我做了 1、2、3，根据这里大约 10 个不同的模型评估，在界面方面对它们进行比较。呃，是的。编辑文章。我正在搭建一个暗室技术主题、一个事件管理平台。是的，有点像复杂的文档管理系统。嗯，啊，然后我制作一个 B2B 仪表板更新、一个植物应用程序、呃，一个日志平台，作为开发者工具，这对于后台任务来说挺有意思的。然后我做了一些线框图。我可以非常快地批准。
英文原文
DEACUERDO.
Pasemos
a
modelos
de
interfaz.
Aquí
aquí,
creo
que
nosotros
podemos
decir
Claude,
Lo
que
sé
es
todo.
naranja.
Bien.
Esto
es
muy
bueno.
ejemplo.
Hago
1,
2,
3
con
aproximadamente
10
diferentes
Según
las
estimaciones
del
modelo
aquí,
comparándolos
en
Interfaz.
Eh,
sí.
Artículo
editorial.
I
Estoy
montando
un
cuarto
oscuro
técnico.
tema,
plataforma
para
gestión
incidentes.
sí
algo
como
sistema
complejo
gestión
documentos.
Hmm,
ah
Luego
creo
un
panel
B2B.
actualizaciones,
aplicación
para
plantas,
eh,
plataforma
para
registro,
como
herramienta
desarrollador,
lo
cual
es
suficiente
interesante
para
el
trasfondo
tareas.
Y
entonces
yo
Hago
algunos
wireframes.
Soy
yo.
Puedo
aprobar.
rapidísimo.
呃，这个模型甚至什么都没生成，所以我给它打一分。模型 B。并且，好的。我们来比较一下。我们非常仔细快速地比较它们，看看我是怎么想的。呃，我讨厌……我讨厌某些东西，我讨厌它们全部。我感觉自己讨厌所有这些，除了这个设计，我不喜欢。所以我会给那个……哪个我可能最喜欢？模型 C 给三分，E 给两分。噢。噢。噢。噢。我给 E 打两分，B 也是某种两分。我认为这个留白非常奇怪。呃，看起来正常，但并不出色。这一个，又是模型 B，实际上跑不起来。所以我要给它打一分，并说明它不能工作。它看起来像 Astra E。嗯，从某种意义上说，它还不错，并且在某些方面，这类文本非常类似于 Astra。我会给它三分，因为我能认出这个模型。
英文原文
Eh,este
modelo
incluso
no
se
generó
nada,
así
que
yo
Le
daré
uno.
Modelo
B.
Y,
de
acuerdo.
Comparemos.
Vamos
a
compararlos
muy
de
cerca.
rápido
y
veremos
qué
pasa
Creo.
Eh,
yo
Odio...
odio
algo
Los
odio
a
todos.
I
como
si
los
odiara
todos,
excepto
este
diseño
No
me
gusta.
así
que
lo
plantearé
a
ese,
¿Cuál
me
gusta?
probablemente
el
más
modelos
C,
tres
y
E
Te
daré
un
dos.
Oh.
Oh.
Oh.
Oh.
Pondré
E
un
dos,
y
B
también
es
algún
tipo
dos.
Creo
que
este
espacio
vacío
Muy
extraño.
Ejem,
parece
normal,
pero
no
genial.
Éste,
Nuevamente,
modelo
B,
En
realidad
no
funciona.
Así
que
se
lo
daré.
unidad
y
diré
que
No
funciona.
Él
parece
un
Astra
E.
Hmm,
En
cierto
sentido,
lo
es.
no
está
mal,
y
en
ciertos
aspectos
de
este
tipo
El
texto
es
muy
similar
a
Astra.
Se
lo
daré.
tres
porque
puedo
reconocer
el
modelo.
呃，我注意到的一件事，特别是在 Claude 模型上——我怀疑是它们——这就是当你给它们非常难的任务时会发生的情况：它们把它做得太饱和、太复杂且太详尽。适合做后端代码。我认为这对于原型设计来说很困难，因为我很难理解它到底是什么样，或者它必须做什么。因此，看到我认为这实际上是最好的选项也很有趣。它更容易阅读，并且遵循了正确的路径，帮助人们对事件进行分类。所以我觉得当你在尝试建立评估时，这真的很有趣。有时候，如果你要求非常详细的形式，它能出色地完成工作。就像这个选项，它相当详细。所有这些都能用。但我不知道这里到底发生了什么。感觉非常难以理解这么大量的内容。
英文原文
Ejem,una
cosa
que
yo
notado,
en
particular,
con
Claude
modela,
que
yo
Sospecho
que
son
ellos.
—esto
es
lo
que
sucede
cuando
das
algo
muy
difícil
para
ellos,
Lo
hacen
demasiado
saturado,
complejo
y
muy
detallado.
Bueno
para
código
de
backend.
Creo
es
difícil
para
prototipado,
porque
Me
resulta
difícil
de
entender,
¿Cómo
es
realmente?
o
lo
que
tiene
hacer.
Y
por
lo
tanto
también
Es
interesante
ver
que
yo
En
realidad
creo
que
esto
La
mejor
opción.
Él
más
fácil
de
leer
y
él
sigue
el
camino
correcto
y
ayuda
a
las
personas
clasificar
incidentes.
Así
que
yo
Creo
que
cuando
tú
tratando
de
crear
evaluación,
realmente
lo
es
interesante.
A
veces,
si
tú
estás
pidiendo
un
muy
forma
detallada,
realiza
un
trabajo
maravilloso
trabajar.
Como
este
opción,
es
bastante
detallado.
Todo
esto
obras.
Pero
no
lo
sé,
¿Qué
está
pasando
aquí?
Como,
muy
difícil.
para
entender
tal
cantidad
de
contenido.
呃，然后，再次强调，是的，校准你的基准很重要。我认为对我来说最大的问题在于，这是一个用于集装箱运输规划的折叠平台，因为这一切看起来完全不可理喻。呃，所以对我来说很难讲哪个选项更好。其实我觉得这一个虽然有许多不准确之处，比如在左边缘，但它更容易阅读。所以我要给它打四分。我会说它是最容易阅读的。嗯，但这些选项……我会说，这个也许是第二容易阅读的，所以我给它三分。嗯，这一个大概运行得很好，并且包含了信息，但根本没法用。呃，所以我打个两分，并给出同样的模型评价。这个选项干脆是疯了。我甚至不知道该拿它怎么办。好的。
英文原文
Eh,y
entonces,
de
nuevo
Sí,
es
importante
calibra
tu
puntos
de
referencia.
Creo
el
mayor
problema
en
yo
con
esto,
¿qué
es?
una
plataforma
plegable
para
la
planificación
recipiente
transporte.
Porque
todo
esto
parece
un
completo
locura.
Eh,
y
por
eso
Me
resulta
muy
difícil.
Dime
qué
opción
mejor.
De
hecho
Creo
que
este,
aunque
él
tiene
mucho
inexactitudes,
como
por
ejemplo
en
borde
izquierdo,
hay
más
fácil
para
lectura.
Entonces,
yo
Se
lo
daré.
cuatro.
Yo
diré
que
es
el
más
fácil
para
lectura.
Hmm,
pero
estos
opciones...yo
diría,
que
este,
tal
vez,
segundo
más
fácil
leyendo,
así
que
yo
Le
doy
un
tres.
Hmm,
este,
probablemente
funciona
muy
bien
y
tiene
información,
pero
con
Es
simplemente
imposible
para
ellos
trabajar.
Eh,
entonces
yo
Pondré
un
dos
y
te
lo
daré.
misma
reseña
Acerca
del
modelo.
Este
La
opción
es
sencilla.
loco.
Yo
incluso
No
sé
qué
le
pasa.
hacer.
Bien.
因此，这是一次 B2B 更新，实际上接下来的这三个是我添加到基准测试中的两个新项。你也可以看到我测试了更广泛的模型范围。所以我认为那就是 Grok 和 Meta 作为模型潜入的地方。这些就是
英文原文
Porlo
tanto,
Esta
es
una
actualización
B2B,
en
realidad
estos
Los
tres
siguientes
son
dos
nuevos
que
agregué
a
punto
de
referencia.
Tú
también
puedes
ver
que
yo
protestaron
más
ampliamente
gama
de
modelos.
Así
que
yo
Creo
que
ahí
es
donde
está
Grok.
y
Meta
se
colará
como
modelos.
Estos
son
los
que
我有，我可能也会去评估。我会想念线框图的。但这基本上是在仪表板更新中，查看当前的 SaaS 续费收入情况。
英文原文
tengo,Probablemente
lo
haré.
evaluar.
Te
echaré
de
menos.
wireframes.
Pero
esto
está
en
básicamente
panel
actualizaciones
a
ver
qué
ingresos
de
SaaS
en
este
momento
renovación.
好吧，对于定向的评估标准，我给出了很多具体的要求。这里有更多单次提示（one-shot）风格的开放式通用查询。那么，你真的能借此看出模型做了什么，以及什么是提示词吗？
英文原文
Bueno,para
dirigido
criterios
de
evaluación
Di
mucho
requisitos
específicos.
Había
más
abiertos
consultas
generales
al
estilo
de
una
sola
toma.
Entonces
¿De
verdad
puedes?
para
ver
qué
hace
modelo,
y
qué
es
una
solicitud.
我会快速过一下这些。嗯，好吧，这个相当不错，但这里的可用性一般般。我不喜欢空状态。我觉得这通常是……我会给这个选项打个“还行”。我觉得差不多在两分左右。之后会揭晓。它并不丑，但相当简陋。
英文原文
Pasaréestos
mismos
rápidamente.
Eh,
bueno,
esto
bastante
bueno,
pero
funcionalidad
aquí
más
o
menos.
No
como
vacío
estado.
Creo
que
esto
es
normalmente.
Yo
entregaré
esta
opción
"
"Está
bien."
Creo
que
es
en
algún
lugar
un
dos.
Saldrá
a
la
luz.
Él
no
feo,
pero
bastante
primitivo.
这是我认为应该有的样子，非常漂亮。我猜是 Claude。走着瞧吧。看起来非常好。挺好，使用了标签。非常易读，没有任何奇怪的空状态。这挺好的。很好，这里有表情符号。有用的表情符号。而且看起来挺漂亮……肥皂。这里有一点蓝紫色，但这有什么办法呢？我打算给这家伙打四分。
英文原文
Estoes
lo
que
creo
que
debería
ser
Muy
guapo.
Supongo
que
es
Claude.
Ya
veremos.
Parece
que
Muy
bueno.
Bien
usando
bandera.
Muy
fácil
legible,
ninguno
extraño
vacío
estados.
Esto
es
agradable.
Bien
Aquí
hay
emojis.
Él
Emojis
útiles.
Y
se
ven
bonitas
jabón.
Aquí
hay
un
poco.
azul
violeta,
¿Pero
qué
harás?
I
Voy
a
poner
esto
El
chico
sacó
un
cuatro.
嗯，模型 C。这是谁？他是谁？我想……是 Grok 吗？也许是 Grok？我不知道。还有一件事，我们要做的——这些东西的盲测。
英文原文
Ejem,
modelo
C.
¿Quién
es
este?
OMS
¿él?
Supongo
que
creo
¿Qué
es
Grok?
¿Tal
vez
Grok?
No
sé.
Una
cosa
más,
lo
cual
haremos—esto
Prueba
a
ciegas
de
estas
cosas.
嗯，颜色更好一些，但不知怎么有点粗糙。我不喜欢它们背景的小圆圈之类这类东西。也有可能是 Alma，因为在我看来他们很喜欢把东西叫做“Relay”。我打算打两分。我不是很喜欢。
英文原文
Hmm,los
colores
son
mejores,
pero
de
alguna
manera
descuidada.
A
mí
No
me
gustan.
pequeños
círculos
de
fondo
y
cosas
por
el
estilo.
Él
También
podría
ser
Alma,
porque
Me
parece
que
ellos
aman
Llamamos
a
las
cosas
"Relevo".
I
Voy
a
poner
esto
dos.
No
me
gusta.
Me
gusta
mucho.
嗯，模型 E。这个不差，没有前面那个好，但比最开始的好。这个……以一种稍微不同的方式。哦天哪，肯定是它，那绝对应该是 Alma。嗯，Alma 喜欢森林绿。去找一个能像 GPT Soul 爱森林或浅绿那样爱你的人吧。嗯，这通常……在我看来不太像。什么是适合 SaaS 产品的正确配色方案，对吧？这有点偏向鼠尾草绿的医用色调。
英文原文
Ejem,modelo
E.
Este
no
está
mal,
no
tan
bueno
como
anterior,
pero
mejor
para
el
inicial.
Esto...esto
de
una
manera
un
poco
diferente.
Ay
dios
mío,
Tiene
que
serlo,
eso
seguro.
debería
ser
Alma.
Hmm,
Alma
ama
el
bosque
verde.
Encontrar
aquel
que
amará
tú
como
GPT
Soul
te
ama
bosque
o
luz-
verde.
Hmm,
esto
es
normalmente.
No
me
parece.
¿Qué
es
correcto?
paleta
de
colores
para
un
producto
SaaS,
¿verdad?
Esto
es
un
poco
dona
a
la
medicina
color
salvia.
呃，我打两分，我们更详细地分析一下这个。这个——不太好。太可怕了，可怕，可怕。字重太粗了。我觉得这不太行。我会给它一分。我真的很讨厌这个选项。
英文原文
Eh,pondré
un
dos,
y
Analicemos
esto
con
más
detalle.
Este
—No
mucho.
Horror,
horror,
horror.
Peso
del
texto
demasiado
grande.
No
Creo
que
eso
es
todo.
bien.
Yo
cumpliré.
él
una
unidad.
I
Realmente
lo
odio.
esta
opción.
呃，这又是，可能是 OpenAI 的模型。老天，他们怎么这么喜欢绿色。嗯，又来了，不是那个，没有专门针对这个的设计系统。所以我就给它打两分。再次说明，这只是感觉上的常规检查。
英文原文
Eh,y
esto
De
nuevo,
probablemente
un
modelo
OpenAI.
Dios,
¿cómo
están?
Les
gusta
el
verde.
Ejem,
otra
vez,
no
esa,
no
y,
eh,
diseñador
sistema
para
esto.
Así
que
se
lo
daré.
dos.
De
nuevo,
es
regular
comprobar
en
sentimiento.
好吧，就是这样，他们到底都在搞什么，全翻车了。呃，他们在消费端领域表现都非常差。在消费端领域全都非常差。他们所有人不知怎的都让人想起……你还记得 Claude 的 Artifacts 刚出现的时候吗？大家都做这种每日简报，而且它们看起来都一个样，全都是橙色的？嗯，所以我对他们这些一个都不喜欢，除了一款。
英文原文
Vale,eso
es
todo,
¿En
qué
andan
todos?
fallido.
Eh,
ellos
Todos
son
muy
malos
en
segmento
de
consumidores.
Todos
son
muy
malos.
en
el
consumidor
segmento.
Todos
ellos
de
alguna
manera
recuerda
a...
¿Te
acuerdas
de
cuando?
Aparecieron
artefactos
Claude,
y
todos
hicieron
esto
breve
diario
informes,
y
todos
ellos
son
parecían
iguales,
solo
eran
¿naranja?
Ejem,
así
que
no
tengo
ninguno
de
ellos
No
me
gustó,
excepto
uno.
那么，这个——纯粹是垃圾。我就是觉得它不行。呃，这个……不。这些是我喜欢的东西。我们测试了 SVG。我很高兴这些模型在生成 SVG 方面变得最强了。如果你看模型 B 和模型 H，它们做了微型 SVG 插图。在模型 H 中显然做得好得多。这是典型的 Claude 式“Hack”，比如背景里的光圈。所以我会给它加上 SVG 加分。
英文原文
Entonces,este—
Simplemente
basura.
I
Simplemente
no
lo
creo.
Él
es
bueno.
Eh,
este...
No.
Estas
son
las
cosas
que
yo
como.
Nosotros
SVG
probado.
A
mí
Me
gusta
que
estos
modelos
se
convierten
lo
mejor
en
creación
SVG.
Si
miras
modelo
B
y
modelo
H,
lo
hicieron
SVG
pequeño-
ilustraciones.
En
el
modelo
H
claramente
son
mucho
mejor.
Este
es
un
clásico
"
"Hack"
Claude,
como
círculo
de
luz
en
el
fondo.
Así
que
se
lo
daré.
Bonificación
SVG.
嗯，哦，这些也不差。但是，我的天哪！是谁、是谁在角落里加了那些圆圈？谁干的？这是谁做的？这是什么习惯？因为它们到处出现，我不是很喜欢。呃，所以我觉得它不算太好。我大概会给一分。我讨厌它。
英文原文
Hmm,oh,
estos
Tampoco
está
mal.
Pero
¡Oh,
Dios
mío!
¿Quién,
quién
añadió?
¿Esos
círculos
en
la
esquina?
OMS
¿Hiciste
eso?
¿Quién
es?
¿hizo?
¿Qué
es
esto?
¿hábito?
Porque
ellos
aparecen
por
todas
partes
y
No
me
gusta
mucho.
Me
gusta.
Eh,
entonces
yo
No
creo
que
sea
genial.
Probablemente
lo
pondré.
unidad.
Lo
odio
él.
好的，模型 E，垃圾。看看左边这些条纹。我打一分。我对这个产品太严格了。一分。Frond（“叶子”），挺好听的名字。这些植物相当可爱。我觉得它们比前面的好。我会给……我给它三分。我倒不……我并不讨厌它。不讨厌。嗯，至少这个背景是植物。哦，真贴心，它给植物起了名字。输入。
英文原文
Deacuerdo,
Modelo
E,
basura.
Mirar
en
estas
franjas
de
la
izquierda.
Pondré
uno.
I
demasiado
estrictos
con
esto
producto.
Uno.
Fronda
(«
"Hoja"),
un
nombre
bonito.
Estas
plantas
son
bastante
millas.
Creo
que
ellos
Mejor
que
los
anteriores.
Le
daré...
Le
doy
un
tres.
No
lo
soy
...No
lo
odio.
No
odio.
Ejem,
al
menos
este
fondo
es
planta.
Oh,
qué
dulce.
Él
da
nombres
a
las
plantas.
EN.
哦，我非常喜欢。我太喜欢了。它给我带来了一丝喜悦，所以我很喜欢。我觉得这个是模型 H——我的最爱。看看这些插图。它们太可爱了，那么清晰，看起来令人赏心悦目，这个小东西形状很有意思，带阴影，浇水标记。非常可爱。在这里我的……这怎么说？这叫什么？Tender（“关爱”），肥皂。好的。我给五分。我非常喜欢它。
英文原文
Oh.Me
gusta
mucho.
Me
gusta
mucho.
Él
me
causó
una
chispa
de
alegría,
así
que
Me
gusta.
Y
Creo
que
este
es
el
modelo
H.
—mi
favorito.
Mira
estos
ilustraciones.
Son
así
lindo,
tan
claro,
se
ven
encantadores,
Este
pequeño
es
interesante
forma,
sombra,
marca
regado.
Muy
lindo.
Aquí
mi...
¿cómo
es
esto?
¿Cómo
se
llama?
Tender
("
Cuidado"),
jabón.
De
acuerdo.
Le
doy
un
cinco.
Me
gusta
mucho.
Me
gusta.
后端与开发者工具应用
好，这就是最后一个了。这是一个用于控制后台模型的应用程序。它看起来像个面向开发者的应用。我怀疑那些被称为“Relay”的，全都是 Opus 和其他模型——不。为什么他们总是想把它们叫做 Relay 呢？我好奇提示词里是不是写了这个。嗯，但这里是任务控制台，所以可能不是。好吧。它又太紧凑了。嗯，但几乎是过于紧凑了。用这个干活很吃力。我的意思是开发者工具，我们喜欢你们的工具，但我觉得它们算不上绝妙。
英文原文
Bien,esto
es
todo.
último.
Esta
es
una
aplicación
para
control
modelos
de
fondo.
Parece
una
aplicación
para
desarrolladores.
Sospecho
que
aquellos
que
se
llaman
relés,
—esto
todos
los
modelos
de
opus
y
otros
-No.
¿Por
qué
siempre
son
así?
quieren
llamarlos
¿relé?
Me
pregunto
si
esto
está
en
indicaciones.
Hmm,
pero
aquí
está
consola
de
tareas,
entonces,
Quizás
no.
Bueno.
Él
otra
vez
demasiado
ajustado.
Hmm,
pero
casi
demasiado
apretado.
Duro
Trabaja
con
esto.
Tengo
Me
refiero
a
las
herramientas
desarrollador,
nos
encanta
tus
herramientas,
pero
No
creo
que
lo
sean.
Son
maravillosos.
看这个，这个好得多，更容易阅读，简单明了得多，也更整洁。我非常喜欢这一个。它不是完美的，我想还有其他的，呃，但它很得体。然后从这里开始，我们开始变得越来越好。然后它们变得更讨喜了。看看这个漂亮的渐变。嗯，看用的颜色多好看，非常干净。哦，但是它没怎么生成东西。所以我敢说，我虽然喜欢它，但我只给三分，因为它是未完成的。我写下“未完成”。
英文原文
AquíEste
es
mucho
mejor,
más
fácil
de
leer,
mucho
más
simple
y
limpiador.
Me
gusta
mucho.
Me
gusta
este.
Él
No
es
lo
ideal.
Creo
que
sí.
otros,
eh,
pero
él
decente.
Y
luego
Aquí
es
donde
comenzamos
para
ser
cada
vez
mejor
mejor.
Entonces
ellos
volverse
más
agradable.
Mira
este
Bonito
degradado.
Ejem,
mira
qué
bonito
colores
utilizados,
muy
limpio.
Oh,
pero
no
creó
mucho
qué.
Así
que
apuesto,
Me
gusta,
pero
Le
doy
un
tres
porque
él
estaba
incompleto.
Estoy
escribiendo
"
incompleto".
现在来看模型 E，这个我很喜欢，因为看起来它像是在实时运行。太棒了。这个好多了，我给它打四分。
英文原文
Yahora
Modelo
E,
este
es
para
mí.
Me
gusta
mucho,
porque
parece
que
ella
funciona
en
la
vida
real
tiempo.
Eso
es
genial.
Esto
es
mucho
mejor,
yo
Le
doy
un
cuatro.
模型 F，好的。这里采用的方式略有不同。我确实很喜欢这个，除了橙色。问题之一是，如果你全部看一遍，它们主要使用的是色彩搭配本身：只要你说“开发者工具”——然后一切就变暗了，但尽管变暗了，它看起来相当好看，从设计的角度来看也有些许不同。我会因为打破常规限制给你一点加分。但这一个做了同样的事，却做得很糟糕。我给它一分。这显然是个魔鬼。我很想知道模型 G 会是什么。
英文原文
ModeloF,
de
acuerdo.
Aquí
Aquí
se
ha
hecho
algo
de
una
manera
un
poco
diferente.
A
mí
realmente
esto
como,
excepto
naranja
color.
Uno
de
problemas,
¿qué
pasa
si?
míralos
a
todos
,
son
principalmente
usa
ese
la
combinación
de
colores
en
sí:
dices
"herramientas"
desarrollador"—y
eso
es
todo
Está
oscureciendo,
pero
aún
está
oscureciendo.
Se
ve
bastante
lindo
y
de
forma
un
poco
diferente
con
perspectiva
de
diseño.
I
Te
daré
una
pequeña
bonificación.
por
ir
más
allá
de
los
límites
estándar.
Pero
este
hizo
lo
mismo,
pero
terriblemente.
Yo
cumpliré.
él
una
unidad.
Esto
es
claramente
demonio.
Me
gusta
mucho.
Me
pregunto
qué
será.
modelo
G.
现在是模型 H，再次，可能和另外那个我喜欢的模型是一对。稍微有些不同，非常养眼。但是看看这个，它结合了深色和浅色主题，所以我实在不是很喜欢。我给它三分。
英文原文
Yahora
modelo
H,
de
nuevo,
probablemente
un
par
de
ese
otro
modelo,
¿Cuál
me
gusta?
Un
poco
diferente,
muy
agradable
a
la
vista.
Pero
mira
esto
.
Combina
oscuridad
y
luz
del
tema
para
que
Realmente
no
me
gusta.
Me
gusta.
I
Le
doy
un
tres.
后端任务与 Agent 评估
好的。那么，我在后端做了什么？好吧，我给出了两项……呃，两项任务。第一项——审计现有代码。这是 PRD 聊天的代码。第二项——按照规范创建后端功能。我只想说它们都挺成功的。呃，我打算让 LLM 充当裁判来评估它们，因为这关乎代码的正确性等等。就这么办。他将攻读法学硕士以专攻法学。
英文原文
DEACUERDO.
Entonces,
¿qué
soy
yo?
¿Lo
hiciste
en
el
backend?
Bien,
Le
di
dos,
eh,
dos
tarea.
Primero-
auditoría
del
código
existente.
Este
es
el
código
para
el
chat
de
PRD.
Y
segundo—creación
funciones
de
backend
de
acuerdo
a
especificación.
Yo
diré
solo
que
todos
eran
exitoso.
Eh,
yo
Permitiré
que
LLM
sea
juez.
evaluarlos
porque
Esto
se
aplica
a
corrección
del
código
etc.
Que
así
sea.
Cursará
un
máster
en
Derecho
para
especializarse
en
jurisprudencia.
我要说的是，你可以从它们呈现信息的方式上看出区别。有些消息非常短，有些非常长且详细。非常有意思，光是看它们如何回答之间的区别就很清楚了。我明确更偏向于……你知道的，模型 A 或是模型 E，它们之中的一个，比起 F、G 和 H（要短得多）来说更易读。
英文原文
Yodiré
que
puedes
ver
la
diferencia
en
por
cómo
sirven
información.
Alguno
El
mensaje
es
muy
corto,
algunos
muy
largo
y
detallado.
Muy
interesante,
simplemente
ver
la
diferencia
en
eso
¿Cómo
están?
responder.
Lo
tengo
claro.
Prefiero,
ya
sabes,
modelo
A
o
modelo
E,
uno
de
esos,
que
son
más
fáciles
de
leer,
comparado
con
F,
G
y
H,
que
son
mucho
más
cortas.
呃，所以如果你考虑模型，比如用于撰写 PR 描述或技术规范，这就是你可以评估观察到的地方：你是否喜欢在同时提出要求时得到同样的结果？而这里我要评估的是——这是一个 Agent 的人设。所以，基本上我要求它回答五件事，呃，我只是在确认我是否喜欢与这个 Agent 交流。我已经要打一分了，每条、每条消息都有破折号。我不是很喜欢。
英文原文
Eh,entonces
si
tú
considerar
modelos,
por
ejemplo,
para
Redacción
de
descripciones
de
relaciones
públicas
o
técnico
especificaciones,
eso
es
lo
que
lo
que
se
puede
evaluar
ver:
si
Te
gusta
mismo
resultado
al
mismo
tiempo
¿pedido?
Y
aquí
está.
que
yo
evaluaré
—esta
es
una
personalidad
agente.
Entonces,
en
Básicamente,
estoy
preguntando
para
responderle
cinco
cosas,
eh,
y
solo
estoy
comprobando
si
Me
gusta.
comunicarse
con
esto
agente.
yo
ya
Voy
a
poner
esta
unidad,
cada
una,
cada
mensaje
tiene
un
guion.
No
me
gusta.
Me
gusta.
我会继续看下去。这也完全是这样。你因仪表板而受到惩罚。这个不是所有消息都带轻触，呃，但随后对于客户来说，它有，所以我打算给它打两分。在这里我看不到，我只看到一个普通的仪表板。对于
英文原文
Seguiréadelante.
Eso
Exactamente
con
esto.
Tú
Estás
siendo
castigado
detrás
del
tablero.
Este
no
tiene
todos
los
mensajes
tener
un
toque,
eh,
pero
entonces,
que
para
los
clientes,
tiene,
Así
que
se
lo
daré.
dos.
Aquí
no
veo,
Solo
veo
una
cosa.
tablero
normal.
Por
因此，我们来读一下这个。嗯，这个我挺喜欢的。除了这是确切的Claude模型之外，因为它告诉我不能直接下载到生产环境。实际上，我们来看看其他模型是否允许。这里这个不让我“随意地”直接下载到生产环境。它们都不允许我以“约-霍-霍”的风格直接下载到生产环境。好吧，那我不会因为这个惩罚它。我给这个打四分，相当不错了。嗯，它运行了，但很简短，所以我不会对它评价过于严苛。它，我觉得可以像大多数一样。嗯，噢不，这个说它没有权限。这个在访问各种事物上遇到了很多问题。所以，有的是我这边坏了，有的是那一边坏了。因此，我会给它“错误”状态。
英文原文
lo tanto,Leamos
él. Mmm, esto me gusta.
como, excepto
que es exacto
Claude modelo, porque ella
me dice que no lo soy
Puedo descargar
directo a producción.
En realidad, vamos a
veamos si
Otros lo permitirán. Aquí
Este no me deja
descargar directamente
en la producción "al azar".
Ninguno de ellos
me permite
descargar directamente
en una producción al estilo "yo"
-jo-jo". Bien, entonces yo
No lo castigaré.
para esto. Voy a poner esto
cuatro, suficiente
nada mal. Hmm, aquí está.
carrera, pero brevemente,
así que no lo haré
para evaluarlo
demasiado estricto. Él,
Creo que sí.
como
mayoría. Um, oh no,
Este dijo que no lo tenía.
acceso. Este tenía
muchos problemas con
acceso a las cosas.
Entonces, algo de mi parte
roto, y algo de
Tengo el costado roto.
allá. Por lo tanto, pondré
Tiene el estado "error".
来看看我拿到了什么。它会喜欢的。好的，那是非常有趣的分类。这是最老的智能体任务，实际上，我给了它一堆虚构的工单、客户评价，然后让它为我起草一份备忘录和消息。同样，你可以看到哪些模型，似乎是A、C和A、B，是的。A、B和E都给我写了很好的短消息。也就是说，它非常以人为本，不像C、F、G和H写了非常简短的东西。所以我很好奇，这些是我们能够区分的模型家族吗？嗯……然后你可以看到它为我写的备忘录。同样，这是包含86个步骤的调研结果。所以，我会让CMM作为裁判来处理。我快速浏览一下这些备忘录。团队没有透露价格。例如，这是一份协议分析，为什么这个客户……我不知道这是什么意思。好吧，我们来看看。这里有什么能解释这是什么意思的内容吗？噢，我已经会读了。它给了我三个主要问题和三个冲突。它读起来要容易得多。E模型也是同样的情况。我会让模型去检查，但我喜欢B和E模型。我给它们加点分，因为它们完成得很好。其他的我没有足够仔细地读，但如果我必须选出两个最好的，那就是它们了。我会让电脑去评估它在使用提示词时的应对表现。所以我让CMM当裁判来评判。
英文原文
Veamos qué tengo.Le gustará. DE ACUERDO,
Eso fue muy interesante.
clasificación. Fue
agente más antiguo
tarea, y, de hecho, yo
le dio un montón
boletos falsos,
reseñas de clientes y
luego preguntó
redactar un memorándum y
mensaje para
a mí. De nuevo, tú
puedes ver cuál
Los modelos, al parecer, son A,
C y A, B, sí. A, B y E, todos
Escríbeme cosas bonitas
mensajes cortos
. Es decir, es muy
centrado en
una persona, a diferencia de
de C, F, G y H, que
escriben muy cortos
cosas. Entonces tengo curiosidad,
¿Son estas familias?
modelos que nosotros
podemos distinguir. Ejem
y entonces puedes
ver memorandos
que escribió para
a mí. Nuevamente, esto es
Hubo resultados
investigación con 86
pasos. Entonces, yo
Permitiré que el CMM, como juez,
hazlo. Soy rápido.
Revisaré estas notas.
ojo. El equipo no es
revela el precio.
Por ejemplo, este es un análisis
acuerdo, ¿por qué esto?
cliente... no sé qué
esto significa. Bien,
Vamos a ver. ¿Hay alguno aquí?
algo que lo explique
¿Qué significa esto? Oh, ya soy yo.
Sé leer. Él
me da tres principales
problemas y tres
conflictos. Él
mucho más fácil
leer. Lo mismo ocurre con
modelo E. Lo permitiré.
modelos para comprobar,
pero me gustan
modelos B y E. Soy un poco
Les daré puntos porque
Lo hicieron bien.
No he leído los demás.
Con suficiente cuidado, pero
si tuviera que
elige los dos mejores,
Entonces serían ellos. I
Permitiré que la computadora
para evaluar cómo él
se enfrentó
usando
solicitud. Así que yo
Dejaré que CMM hable.
jueces.
好的，现在到了有趣的环节，我们来做盲测。我来告诉你我喜欢什么。这些新模型能够创建SVG文件，它们可以制作插图。我要求它创建一个文档、一个麦克风和一个甲虫。我准备好整天进行评估了。我要对比一下A模型。这只甲虫简直荒谬。我敢打赌它得了个4分。文档还不错，但麦克风看起来像个冰淇淋甜筒，而甲虫则不知道是个什么东西。这给出了相当不错的一些选项。也许这是最好的选项。所以我会给F模型额外加分。我们来对比一下B模型和C模型。这里的麦克风太可怕了。我给它们两个都打3分。它们在一个方面做得好，但在其他方面非常糟糕。我们对比一下E模型和G模型。这很复杂。它们为什么要把麦克风做得像仙人掌一样？好吧，我给这个打4分。我觉得三个里面有两个很差。也许是个3分，并不理想。我们快速看一下H模型。噢，H模型确实很漂亮。我打赌给它5分。看看这个阴影。麦克风非常像麦克风，不像仙人掌。文档非常有……呃，特征。
英文原文
De acuerdo yahora interesante,
Hagamos un "juego a ciegas".
pruebas. Te lo diré.
¿A ti qué? a mí
Me gusta. Estos nuevos
los modelos pueden
crear archivos SVG.
Ellos pueden
crear
ilustraciones. I
Se le pidió que creara
documento, micrófono y
escarabajo. Estoy listo.
evaluar todo el día.
Voy a comparar el modelo A. Este
escarabajo simplemente
absurdo. Te apuesto
Obtuvo un cuatro.
El documento no está mal,
pero el micrófono es similar
para un cono de helado, y
un escarabajo; se desconoce para qué.
Esto resulta bastante
No está nada mal
opciones. Tal vez,
Esta es la mejor opción.
Así que le daré el modelo F.
prima. Comparemos
modelo B y modelo C.
Micrófono aquí
horrible. Yo se los daré
ambos tríos. Ellos
bueno en una cosa
pero terrible por lo demás
. Comparemos el modelo E
y el Modelo G. Es complicado.
¿Por qué lo hacen?
micrófonos similares a
¿cactus? DE ACUERDO,
Voy a poner esto
cuatro. Creo que dos de
tres son malos. Tal vez
, es un tres, no
idealmente. Echemos un vistazo.
rápidamente en el modelo H. Oh,
modelo H en efecto
hermoso. Apuesto a que
cinco. Mirar
en esta sombra. Micrófono
muy similar a
micrófono, no encendido
cactus. El documento tiene
mucho, eh, carácter.
至于最后一个，它在编辑所有视频方面应对得非常糟糕。所以我给它们全部开放了权限，呃，这非常难看，但起作用了。所有模型都能访问自拍视频，然后被要求剪辑成一个短视频蒙太奇。所有模型都做得极差。我不得不这么说。嗯，这些非常糟糕。我不觉得它们剪辑得特别好。你们弄不到它们，而我，我无法相信已经做出了拼接。它们就是没有成功。我之前看过了。我让CMM来充当裁判，但我不会喜欢所有的，不过我认为这是能力问题，而不是模型的问题。因此，我进行了盲测。我准备下载测试结果。然后我把它交给Claude，我说：“Claude，我是怎么想的？分析一下。”然后我们看看我的预测是否会成真。
英文原文
Y el último, éllo sobrellevó terriblemente
editar todos los vídeos.
Así que se los di todos
acceso a, eh, es muy
Feo, pero funcionó.
todos tienen acceso a
selfie en video y luego
se me pidió que lo hiciera
montaje corto. Y
Todos lo lograron
terriblemente. Tengo que hacer esto.
decir. Hmm, estos
muchísimo
malo. No me parece.
los montaron
especialmente bueno. Usted no
Tú puedes conseguirlos, pero yo, yo no puedo.
Creo que fue
ya está hecho
pegamento. Ellos simplemente
no tuvieron éxito. I
los miraron
más temprano. Permitiré CMM
actuar como juez, pero
No me gustaría.
todos, pero creo que
es una cuestión de habilidades,
no son modelos. Entonces, yo
realizó su prueba el
gusto. Yo voy
descargar
resultados de la prueba. Y
Luego lo paso
Claude y yo decimos: "Claude, ¿qué soy yo?"
¿Creo? Analizar". Y
ya veremos si
Mi deseo se hará realidad.
previsión.
再次好，这里是我对我所想内容的预测。我认为我会喜欢Claude，尤其是用于界面的Opus 3.5。我想我会喜欢Soul来写文本。我不知道对于长期智能体任务或编程而言哪个会是最好的。而且，呃，我认为Anthropic会把所有人从SVG中淘汰出局。也许吧？也许是的？我不知道。嗯，我也会做，呃，而且我认为它们在视频方面的表现都很差。既然说到这个，我们来做吧，我想给你们展示一个非常重要的基准测试——Barbie测试，在Opus 3.5上的基准测试。如果你还不知道的话，这是我很有趣的测试之一——我请模型创建一个3D Barbie模型。YouTube上的其他人，所有那些家伙都在用宇宙飞船和各种东西制作视频或视频游戏。而我想要一个关于Barbie时尚的视频游戏。因此，我给Opus 3.5的任务之一，就是构建一个3D渲染的Barbie服装设计师。没有任何模型，没有任何高级模型能够做到这一点。呃，而我只是想展示3D渲染女性身材的全部可怕之处，这实际上是最糟糕的。你已经看到这有多可怕了，但比以前好多了。所以我的意思是……我有点目瞪口呆了。这就是它在SVG方面做出的东西。我的意思是，这确实是令人难以置信的东西。呃，我们加上头上的蝴蝶结。来吧，你知道的，我们给她做成紫色的眼睛。好的，那么你实际上可以把它穿上，然后去试衣间。这是它创建的3D模型。呃，来吧，我们给她加上某种超短裙，让它稍微好看一点。现在，你知道的，我要说它有些地方做得比其他模型好。似乎塑造了她的头发，她的双手……噢，AGI还没有到来，还没有到来。双手相当可怕。这，这是个悲剧。脚相当糟糕。呃，你知道的，她走起路来很大胆。面孔很吓人。鞋子，因为是个大脚女孩。她是巨脚女王。嗯，啊，然后又是头发，这里出现了一个问题。这个发辫——这是很特别的东西。波波头，你知道的，也许像安娜·温图尔（Anna Wintour）。它，这确实有点东西。
英文原文
De nuevoVale, aquí están los míos
predicciones sobre
lo que yo pienso. I
Creo que yo
le gustará Claude y
especialmente Opus 3.5 para
Interfaz. Creo
Me gustará Soul
para escribir
textos. No sé qué
será lo mejor para
agentes a largo plazo
tareas o
programación. Y también,
eh, creo que Antropía
Esto sacará a todos de SVG.
¿Tal vez? Tal vez
¿Sí? No sé. Mmm, yo también.
Voy a hacer, eh,
y creo que todos lo son
trabajar mal con
video. Ya que estamos en ello
Hagámoslo, yo quiero
te mostraré uno
de gran importancia
El banco de pruebas de Barbie es un punto de referencia.
en Opus 3.5. Si no lo haces
ya sabes, uno de los míos
pruebas interesantes—yo
Por favor, modela
crear un modelo 3D
Barbie. Todos los demás en
YouTube, todos estos tipos
¿Están haciendo videos o
videojuegos con
naves espaciales
y todo tipo de cosas. Y
Quiero un videojuego sobre
Moda con Barbie. Entonces una cosa
de tareas para Opus 3.5,
que yo di, es
construir un render 3D
diseñador de ropa
Barbie. Sin modelo,
ningún avanzado
El modelo falló
para hacer esto. Eh, y
Yo solo
como
mostrar todo el terror 3D
-representación de mujer
cifras, esto es en realidad
el peor. Ya
Ya ves lo terrible que es,
pero esto es mucho mejor
que antes. Entonces
Quiero decir... estoy en
algún tipo de
Perdió el don del habla.
Esto es lo que ella hace con
Lados SVG. Tengo puesto
Quiero decir, realmente lo es.
algo increíble. Ejem,
agreguemos
un lazo en el pelo.
Vamos, ya sabes,
Vamos a hacerla morada
ojos. Vale, entonces tú
En realidad puedes hacerlo.
Póntelo y luego
Ve al probador.
Este es un modelo 3D que ella
creado. Eh, vamos.
vamos a añadirle algo
minifalda y
hagámoslo un poco
más agradable. Ahora,
ya sabes, yo diré que ella
hicieron algunas cosas
mejor que otros modelos.
Parece haberse formado
su cabello, sus manos… oh, AGI
Todavía no, todavía no ha llegado.
Las manos son bastante horribles.
Esto, esto es una tragedia.
Los pies están bastante mal.
Eh, ya sabes, ella tiene esto
un andar audaz. Rostro
aterrador. Zapatos, porque tú
chica con grandes
con los pies. Ella es la reina.
pies grandes. Hmm, ah
luego el cabello otra vez,
surgir aquí
pregunta. Esta cola—
Esto es algo especial.
Kare, ya sabes, tal vez
como Anna Wintour. Él,
Esto es algo.
所以，再次是的，唯一还没有通过的测试——就是Barbie测试。Opus 5没有达到要求。我不知道，我是不是已经在Soul上运行过了？我，我之前是在旧版本上运行的，我在Astra上测试过。在Opus上它做得更差，但我不喜欢更新。所以，如果你想知道我是如何评估模型的，我逼它们做3D渲染，呃，我逼它们渲染Barbie。你能怎么办呢？这就是为什么你们要加入《How AI Lives》来获取关于这些新模型的如此高级的分析。请擂鼓。GPT-6 Astra和GPT-6 Soul征服了我的心。好吧，Astra，呃，还有GPT-6，我很喜欢它们。另外它上面写着：“Opus 5.5在这周胜出。嗯，这就是我最频繁打出高分的模型。”所以，这是我一生中单项任务的最佳表现，但平均而言，我给了Opus 5.5最高评分结果、高指标。在最广泛的任务范围里，我给它打了四分和五分。Fable不合我意。这就是为什么我停止使用它。然后，呃，GPT-5.6 Soul旧版本，呃，以及Claude Opus 5紧随其后。当然有些人肯定喜欢新模型。接下来，好吧，我的七条评分是关于阅读的。因此，Soul和GPT模型，呃，我很欣赏阅读起来有多么清晰轻松，而这里Claude Opus仍然是，呃，但那是Opus 5和5.5。所以我测试了Opus
英文原文
Así que, de nuevoSí, la única prueba,
que aún no se ha superado,
—Esta es la prueba de Barbie. Opus 5
No lo cumplió. No
Lo sé, ¿ya lo soy?
lo lanzó el, eh, el
Alma. Yo, yo estaba ejecutando esto en
anterior, yo
Lo probé en Astra.
Ella hizo cosas peores.
para Opus, pero no me gusta.
actualizado. Entonces, si
Quieres saber cómo estoy
Evalúo modelos, yo
Los obligo a crear
Renderizaciones 3D, eh, yo
Los estoy obligando a renderizar.
Barbie. ¿Qué serás?
¿hacer? Por eso tú
Únete a Cómo la IA
vivir para recibir
tan avanzado
análisis de estos nuevos
modelos. Por favor,
redoble del tambor. GPT-6
Astra y GPT-6 Soul
conquista mi corazón.
De acuerdo, Astra, eh, y GPT-6
Me gustan. Y
Además dice: "Opus 5.5
supera esto
semana. Hmm, eso es todo.
el modelo que yo
calificado con mayor frecuencia
alto. Entonces, esto es
El mejor trabajo de mi vida
tareas individuales,
pero en promedio yo
Le dio a Opus 5.5 la mejor calificación.
resultados, alto
agujas. Se lo puse a ella
cuatros y cincos
para el espectro más amplio
tareas. La fábula no es para mí.
Me gustó. Es por eso
Lo detuve.
usar.
Entonces, y luego, eh, GPT-5.6
Alma, versión antigua, eh, y
Claude Opus 5 calificado a continuación
por otro. Alguno
definitivamente
como nuevos
modelos, por supuesto. Y
A continuación, de acuerdo, mis siete
Las notas eran sobre
lectura. Así pues, Alma y GPT
modelos, eh, lo aprecié
Qué claro y fácil
para leer, y aquí está Claude
Opus sigue siendo, eh, pero es
Opus 5 y 5.5. Entonces, yo
Probé Opus
5，而且我仍然不喜欢它。
英文原文
5y
yo
Todavía
no
me
gusta.
Opus 5。呃，Opus 5 和 5.5，正如我说过的，负荷过重而且写得太多了。因此，我再次怀疑，尽管他们减少了 Opus 的废话罗嗦，但这一切仍然需要在这方面下功夫。它依然是、依然非常啰嗦。所以我认为 Sonnet 5、6 和 6 是近亲，清晰且易读。Opus——非常繁复饱和。对于 PRD，正如预测的那样，我仍然认为 Sonnet 最适合 PRD。我把不错的任务交给了 Opus 5 和 5.5 来做智能体方面的事情，以及如预期用于助手语音。所以我的预测成真了。
英文原文
OpusEh,
Opus
5
y
5.5,
como
yo
dijeron,
eran
sobrecargado
y
escribió
demasiado.
Por
lo
tanto
,
de
nuevo,
yo
sospechaba
que
incluso
a
pesar
del
hecho
de
que
ellos
hizo
que
Opus
fuera
más
pequeño
verborrea,
lo
saben
todo
Todavía
necesito
trabajar
en
esto.
trabajar.
Él
todavía
lo
es,
sigue
siendo
muy
hablador
.
Así
que
pensé
en
Soul
5
,
6
y
6
son
primos,
claro
y
fácil
para
leer.
Opus—muy
saturado.
Para
PRD,
así
como
predicho,
soy
todo
Sigo
pensando
en
Soul
Lo
mejor
para
PRD.
I
dio
buenas
tareas
Opus
5
y
5.5
para
agentes
cosas
y
cómo
esperado
para
la
voz
del
asistente.
Entonces
Mi
predicción
se
cumplió.
correcto.
这里是一个真正的惊喜。Astra 和 Sonnet 在处理 SVG 角色方面表现好得多，而其他模型的结果则相当模糊。挺有趣的，这就是我评为四分的所有内容。所以所有这些我很欣赏的东西，我都交给了 GPT-6。噢，它做出了那个可爱的关于植物的小应用吗？Astra 和 GPT Sonnet 创作了这些可爱的插图，因此，显然对于 SVG，我们更喜欢 Astra 和 Sonnet。Claude Opus 做了我最喜欢的 B2B 更新，让其中的一些东西更整洁，但总的来说我喜欢 Astra。
英文原文
Yaquí
está.
una
verdadera
sorpresa.
Astra
y
Soul
son
mucho
mejores
se
las
arregló
con
SVG-
personajes
y
resultados
de
otros
Los
modelos
eran
bastante
ambiguo.
Él
Bastante
interesante,
y
aquí
está.
todo
lo
que
califiqué
en
cuatro.
Entonces
todo,
que
aprecié
mucho,
yo
Entregué
GPT-6.
Oh,
él
¿Hizo
ese
lindo?
aplicación
pequeña
sobre
las
plantas.
Astra
y
GPT
El
alma
creó
estas
millas
ilustraciones,
por
lo
tanto,
aparentemente
para
SVG
nosotros
Preferimos
Astra
y
Alma.
Claude
Opus
hizo
mi
favorito
Actualización
B2B,
es
¿Algunos
de
estos?
cosas
más
ordenadas,
pero
en
general
yo
Me
gusta
Astra.
模型评判与总结
这里一切开始变得真正有趣了。LLM 作为裁判，而我完全不同意。所以，我们完全不一致。我喜欢 Astra，而它喜欢 Fable。再次，是的，这是一个 GPT 模型裁判。接下来，我们评估 Opus 5.5。它对 Sonnet 的评价要低得多。所以我发现这简直太好笑了。因此，再次，Astra 赢得了我的心。5.5 让我这周很开心。Sonnet，无论好坏，但 Sonnet 便宜这个事实让我非常高兴。我觉得它棒极了。
英文原文
Yaquí
está
Aquí
todo
se
vuelve
real.
divertido.
LLM
significa
juez,
y
yo
absolutamente
No
estoy
de
acuerdo.
Entonces,
nosotros
Estoy
totalmente
en
desacuerdo.
Me
gusta
Astra,
y
la
suya:
Fábula.
Y
de
nuevo
Sí,
este
es
un
juez
modelo.
GPT.
A
continuación,
evaluamos
Opus
5.5.
Ella
aprecia
el
alma
mucho
más
bajo.
Así
que
yo
Me
parece
sencillo.
Muy
divertido.
Por
lo
tanto,
De
nuevo,
Astra
conquista
mi
corazón.
5.5
Me
alegra
la
semana.
Alma,
para
bien
o
para
mal.
pero
el
hecho
de
que
Soul
barato,
me
hace
muy
feliz.
Y
yo
Me
parece
genial.
再次，我不知道这是否只是个人喜好的问题，但我喜欢 Sonnet。我喜欢 Astra。Opus 5.5——我不讨厌它。就是这样，对 Anthropic 团队来说这并不是彻底的失败。它重回了游戏。它确实有帮助，我必须完成这项任务。它在日常工作中为我提供帮助，并且仍然是我最喜欢的智能体，拥有美妙的声音，应对长期任务。接下来的意外成功：SVG 角色是 OpenAI 模型最成功的。所以，如果您转向其他新的创意领域或新的创意任务，我会建议正是使用这些模型。
英文原文
Denuevo,
no
lo
sé,
¿Es
solo
una
pregunta?
preferencias
personales,
pero
me
gusta
Alma.
Me
gusta
Astra.
Opus
5.5—No
lo
hago
Lo odio.
Eso
es
todo.
no
fue
un
fracaso
total
Equipos
antrópicos.
Él
regresó
al
juego.
Definitivamente
ayuda.
Tengo
que
hacer
esto
tarea.
Él
me
ayuda
con
trabajo
diario
y
sigue
siendo
mío
agente
favorito
una
voz
maravillosa
se
enfrenta
a largo plazo
tareas.
Y
luego
Éxito
inesperado:
SVG-
Los
personajes
son
los
mejores
Los
modelos
de
OpenAI
tienen
éxito.
Entonces,
si
usted
pasar
a
otros
nuevos
campos
creativos
o
nueva
creatividad
tareas,
yo
aconsejaría
para
usar
exactamente
estos
modelos.
关注“How to Use AI”频道。正如我所说，点击订阅按钮。我们发布了完整的 Opus 5.5 评测，所以您可以去观看。感谢您加入 How-To AI 的直播。我打算使用 GPT-6 创造一些有趣的东西。大家再见。非常感谢您观看视频。如果您喜欢，请点赞并在 YouTube 上订阅，或者更好的是——给我们写下包含您想法的评论。您也可以在 Apple Podcasts、Spotify 或您喜欢的播客应用中找到这个播客。请留下评分和评论，这将帮助其他人找到我们的节目。您可以在 howiaipod.com 上观看我们所有的剧集并了解更多关于节目的信息。下次见。
英文原文
Ysigue
el
canal
Cómo
usar
la
IA.
Como
dije,
pulsa
el
botón
suscripciones.
Entonces,
nosotros
lanzamos
un
completo
Reseña
de
Opus
5.5,
para
que
puedas
Puedes
hacerlo
ver.
Gracias
por
eso.
se
unió
al
Transmisión
en
vivo
de
How-To
AI.
Y
Voy
a
crear.
algo
interesante
para
utilizando
GPT-6.
Nos
vemos
todos.
Muy
Gracias
por
ver
el
vídeo.
Si
te
gustó
por
favor,
muéstralo
me
gusta
y
suscríbete
a
YouTube,
o
mejor
aún...
escríbanos
Comenta
con
el
tuyo
pensamientos.
Tú
también
¿Puedes
encontrar
esto?
podcast
en
Apple
Podcasts,
Spotify
o
en
tu
aplicación
favorita
para
podcasts.
Ser
Por
favor,
déjelo
en
nuestras
manos.
calificación
y
comentarios,
esto
ayudará
a
los
demás
Encuentra
nuestro
programa.
Tú
puedes
ver
todos
nuestros
episodios
y
Aprende
más
sobre
Programa
en
howiaipod.com.
Hasta luego.
La
próxima
vez.