AI Usage Guide · 2026

模型和工具各有特点,
搭配起来会更顺手。

这段时间陆续试了不少模型和工具,也慢慢找到了一些适合不同场景的用法。有些任务适合直接用能力更强的模型,有些则可以交给轻量模型,或配合合适的 Harness。这里把这些使用感受整理出来,和大家做个简单分享。

最近更新 2026.11.15 · 每 3 天更新
Latest · 本期更新

新模型,新用法。

每款模型挑出值得关注的新特点,再给你一个能直接尝试的小任务。找到与你的兴趣有关的那一款。

2026.11.12 · Google

Gemini 4 Hydrogen

这次的看点是把想法更快做成能看的作品:网页、交互小工具都能边看边改。官方还演示了把演讲视频整理成演示稿,再检查文字有没有重叠。

  • 特别适合:想做个人主页、活动网页,或者把视频内容整理成一份可讲的材料。
  • 可以直接试:“根据这张草图做一个活动报名页,先让我预览,再按我的反馈修改。”
  • 上手提醒:Gemini 网页或 App 可先尝试;制作网页、演示稿等成品,需要当前入口提供相应工具。
2026.11.11 · 阿里云百炼

千问 Qwen4-Max-Preview

千问四的特点是把看图、读需求和动手写代码放在一起。除了问答,也值得用参考图试试网页设计,或让它结合图片、视频和文字材料完成分析。

  • 特别适合:有一张喜欢的页面截图,想做出类似的布局,或需要对照图文材料整理信息。
  • 可以直接试:“参考这张截图,做一个可以点击切换内容的作品集页面,保留布局,换成我的资料。”
  • 上手提醒:目前需要指定订阅计划;本轮试用于北京时间 2026 年 11 月 25 日结束,之后该试用版本会下线。
2026.11.10 · Google

Gemini 4 Carbon

不只是在聊天里多想一会儿。配合工具,它可以让多个 AI 分工做复杂项目。Google 展示过把历史照片和工程图做成交互式埃菲尔铁塔展览,也做过可玩的 3D 游戏。

  • 特别适合:想做可以旋转、探索的 3D 展示,或需要把复杂资料做成可操作的作品。
  • 可以直接试:“根据这些房间照片和尺寸,先做一个能旋转查看的简化 3D 房间,再逐步补家具。”
  • 上手提醒:官方复杂案例结合了编程和 3D 工具。先做小场景,并确认你的入口能运行和预览结果。
2026.11.09 · Anthropic

Claude Fable 5.2

编程能力是这次的重要升级:官方展示了持续写代码、测试和修改大型项目。创作方面,也能用代码做交互式 3D、动画,以及带声音的教学视频。

  • 特别适合:想做网页小游戏、动态数据展示、知识讲解动画,或把已有程序改得更完整。
  • 可以直接试:“用代码做一段 20 秒动画,讲清楚复利如何增长,带图表、字幕和声音,先给我看样片。”
  • 上手提醒:代码视频适合动画、图表与场景演示;需要运行、预览和导出视频的工具,完成后再检查文字与节奏。
2026.10.23 · Moonshot AI

Kimi K3.1 Pro / Highspeed

最直观的新玩法是 3D Make:描述一个物件,就能在线预览、修改 3D 模型,还能导出用于 3D 打印。另一个重点是更会读财务材料、核对表格,并把研究整理成结果。

  • 特别适合:喜欢做手办、桌面摆件或小产品原型的人,也适合经常读报告、处理表格的人。
  • 可以直接试:“做一个适合放在书桌上的小灯塔模型,底座稳一些,先让我看 3D 预览再调整。”
  • 上手提醒:在 Kimi 网页或 App 查看 3D Make 入口;模型导出后,打印尺寸和结构还需要自己检查。
2026.10.13 · Google

Gemini 4 Argon

除了读资料和改代码,Argon 也值得用来做创意编程。Google 的一个例子是:把真实桌面的照片,做成有赛道和碰撞效果的迷你赛车游戏,让照片里的物件变成游戏场景。

  • 特别适合:想把自己的照片、收藏或旅行素材做成小游戏、可探索的场景或交互展示。
  • 可以直接试:“参考我的桌面照片做个简化赛车小游戏,把书本当障碍物,先实现键盘控制和碰撞。”
  • 上手提醒:官方示例结合了 3D 建模等工具。先做简化版,并使用能运行、预览代码的环境。

特点与案例来自官方资料;下面的尝试任务可作为起点。复杂作品通常需要工具配合和几轮修改,先做一个能预览的小样就好。

最新更新时间:(北京时间) · 更新周期:每 3 天
下次计划更新:2026 年 11 月 18 日

01 · By Use Case

按用途选 · 能力与成本两条线

每类用途各保留三款能力候选和三款成本与便利候选,方便快速比较。分组只是使用侧重点,同一个模型也能胜任其他任务。

01

编程 · Coding

写代码、查 bug 或做小项目。先看任务难度,再比较完成效果和速度。

能力候选 · 效果优先

  • Claude Fable 5.2 · 适合复杂项目改造和难查的代码问题
  • GPT-6.1 Sol · 写代码、查问题,也能配合工具完成任务
  • Kimi K3.1 Pro · 从修代码到做网页、小游戏和 3D 内容

成本与便利候选 · 高频使用

  • Claude Sonnet 5.5 · 日常开发可优先尝试,兼顾速度和效果
  • GLM-5.3-Flash · 看着界面写代码,再检查页面效果
  • DeepSeek V4.1 Flash-1017 · 适合反复改代码和批量处理小任务

典型场景:写代码、debug、代码审查、多文件重构、Coding Agent

02

综合任务 · 写作、研究与交付

写作、读资料、做计划与完成交付。同一个模型也可以兼顾编程和看图。

能力候选 · 效果优先

  • GPT-6.1 Sol · 写作、分析资料,也能协助编程
  • Claude Opus 5.5 · 整理复杂材料,逐步完成文档或项目
  • Gemini 4 Hydrogen · 回复较快,适合边讨论边修改

成本与便利候选 · 日常高频

  • 豆包 Seed 2.1 Lite · 中文办公、资料整理和日常问答
  • Kimi K3.1 Pro · 读长资料、做研究,再整理成结果
  • GPT-6.1 Terra · 读图、写作,也可配合工具操作界面

典型场景:查资料、写邮件、会议纪要、翻译润色、改简历

03

深度推理 · 复杂分析

题目难、材料多、步骤长时,给模型多一点思考空间,关键结论自己复核。

能力候选 · 上限优先

  • Claude Fable 5.2 · 适合需要反复推敲和检查的难题
  • Gemini 4 Carbon · 多份资料、多步骤问题可以仔细拆解
  • GPT-6 Astra · 适合数学、研究和复杂分析

成本与便利候选 · 可复核任务

  • DeepSeek V4.1 Flash-1017 · 推理、代码与资料分析都能尝试
  • Claude Sonnet 5.5 · 日常分析和多步骤任务的均衡选择
  • Kimi K3.1 Pro · 适合研究材料和持续推进的任务

典型场景:数学题、论文推导、复杂决策、长链逻辑、尽调

04

多模态 · 看图听音

按你要处理的图片、视频、音频或文档来选。能看懂图片,不等于能直接生成图片。

能力候选 · 理解优先

  • Gemini 4 Argon · 结合文字、图片、音频和视频分析
  • 豆包 Seed 2.1 Pro · 读图、理解视频,也能辅助做网页
  • Qwen4-Max-Preview · 看图、看视频并分析;当前为限时预览

成本与便利候选 · 批量处理

  • Gemini 4 Hydrogen · 快速看图和分析资料,便于来回修改
  • GLM-5.3-Flash · 识别图片、视频和文件中的内容
  • Qwen3.8-Flash · 适合批量看图、读文档和整理信息

典型场景:读图、看 PDF / 表格、截图识别、视频理解、拍题

05

中文模型 · API 与权重分开选

中文使用方便,与能否自行部署是两回事。私有化前仍需核对许可与硬件。

能力候选 · 综合表现

  • Kimi K3.1 Pro · 编程、研究和 3D 创作;已提供权重
  • 千问 Qwen4-Max-Preview · 写代码、做网页和看图;需指定订阅
  • 智谱 GLM-5.3 · 适合较大代码项目和多步骤工程任务

成本与便利候选 · 部署与调用

  • DeepSeek V4.1 Flash-1017 · 调用或自行部署前,核对许可和硬件
  • Qwen3.8-27B · 可自行部署,需确认电脑或服务器配置
  • GLM-5.3-Flash · 可比较托管使用与自行部署的总成本

典型场景:中文知识工作、企业 API、私有化评估。Qwen4 预览版不能直接用于本地部署。

最新更新时间:(北京时间) · 更新周期:每 3 天
下次计划更新:2026 年 11 月 18 日

02 · Choose by Goal

先看目标,再选使用方式

同一个模型放在网页、专业工具或 API 里,体验会很不一样。入口没有高低之分,关键是它是否适合你当下要完成的事情。

A · 临时任务

从对话开始,也能完成复杂任务

官方网页或 App 是方便的入口,既能提问、写作,也可能支持编程、数据分析和 Agent 任务。具体能否搜索、执行代码或连接文件,取决于该产品的工具与权限;这些并不是模型只能聊天的限制。

  • 问一个问题、润色一段文字、临时读一份 PDF
  • 优先选自己已经常用、登录最方便的平台
真实体感:长对话确实容易“忘前文”,但通常不是闲置几分钟造成的,而是对话变长后,早期内容被压缩、截断或不再被优先采用。长期记忆也更像“提取重点”,不是逐字保存全部聊天。重要约束可以定期让它总结,或在新对话开头贴一份项目摘要。官方说明

更方便的用法:ChatGPT、Claude、Gemini、豆包、Kimi 等官方产品。

B · 高频专业任务

每天重复做同一类工作

这时更值得选一个专用 Harness。它会记住项目上下文、接入文件和工具,还能把多步操作串起来,比每次在聊天框里重新解释省事得多。

  • 写代码:Cursor、Claude Code、Codex CLI
  • 读长文档:Kimi;办公协作:WorkBuddy / 公司内部平台
真实体感:Harness 会通过项目文件、规则和工具改善上下文管理,但并不会让上下文变成无限。任务太长时仍可能跑偏;把长期规则写进项目说明,并让 Agent 每完成一个阶段就更新待办或交接摘要,会稳定很多。

更方便的用法:选对专业工具,再在里面配置顺手的模型。

C · 选型与尝鲜

想比较多个模型

用聚合平台会更省事。以 OpenRouter 为例,一个账号可以调用多家模型,适合把同一任务分别跑一遍,看实际效果再决定是否长期订阅。

  • 避免为了试用同时订阅多家旗舰
  • 公司数据不要放进来源不明的中转站
真实体感:同一个模型在不同入口里的表现可能不完全一样,因为系统提示、上下文策略、工具配置和服务商路由都可能不同。对比时尽量固定 Prompt、附件和输出格式,不要只凭一次回答下结论。

更方便的用法:OpenRouter 做短期对比,确定主力后再转官方渠道。

D · 批量与自动化

让 AI 接进固定流程

需要批量处理、定时执行或接入自己的产品时,官方 API 更合适。它方便控制输入输出格式、记录日志、设置重试,也能根据任务难度自动切换模型。

  • 批量摘要、分类、翻译、数据抽取
  • 工作流自动化、定时任务、业务系统集成
真实体感:API 默认不等于“自动记住前文”。有些接口需要调用方自己回传历史消息,有些支持会话 ID 或持久化 Conversation;漏传状态时,模型看起来就像突然失忆。上线前要把历史裁剪、摘要和重试一起设计好。官方说明

更方便的用法:官方 API + 工作流;简单任务用轻量模型,难题再升级旗舰。

E · 公司数据与团队协作

要权限、审计和内部知识

优先使用公司提供的内部 AI 平台,而不是个人账号。它通常已经处理好 SSO、数据权限、模型接入和审计,也更容易通过 MCP 或内部 Tool 连接文档、代码仓库和业务系统。

  • 涉及客户信息、未发布代码、内部文档时,合规优先于模型排名
  • 团队共用的 Prompt、Agent 和知识库,也更适合沉淀在统一平台
真实体感:“接入了知识库”不等于模型知道公司所有信息。答案质量还取决于权限、索引更新时间和检索是否命中。遇到明显漏答时,先确认数据源与权限,再怀疑模型能力。

更方便的用法:WorkBuddy / 公司内部平台 + 已批准的模型、Tool 与 MCP。

如果你已经进入“高频专业任务”或“批量自动化”阶段,下一节的 Harness、Tool、MCP 和换模型会更有用。

最新更新时间:(北京时间) · 更新周期:每 3 天
下次计划更新:2026 年 11 月 18 日

03 · Harness · Tool · MCP

用下来,更重要的是怎么搭

同一个模型换一个 Harness,表现可能比换模型本身更明显。下面这些不是概念解释,而是实际使用中最容易影响体验的地方。

简单理解:Harness 是承载模型的工作环境,Tool 是它能调用的能力,MCP 是连接这些工具与数据源的通用接口。真正影响结果的,往往是 Harness 有没有把正确的文件、规则和工具交给模型。

Experience 01

先按工作方式选 Harness

聊天界面也能承载编程、研究与 Agent。IDE 的优势是贴近代码编辑,CLI 的优势是终端和项目工具链;选择时看文件、执行环境、可见性和接管方式,不要用界面形式判断模型能力。

  • 正在编辑代码:Cursor / Zed 更顺手,修改位置可见,容易随时接管
  • 目标明确、可以验收:Claude Code / Codex CLI 更适合自主执行
  • 流程尚不清楚:先在聊天框里把方案聊明白,再交给 Agent 动手
Experience 02

上下文要主动管理

Harness 能读项目文件,不代表它会自动抓住重点。仓库越大、对话越长,越容易把不相关内容塞进上下文,或者忘掉最早的约束。

  • 长期规则写进 CLAUDE.md、项目说明或固定 Instructions,不要只在聊天里说一次
  • 每次任务给清楚目标、范围、不能改什么、验收方式
  • 长任务分阶段执行;每阶段结束让它更新待办、总结决策并提交代码
Experience 03

换模型不是百分百平替

改 BASE_URL 确实能让 Claude Code 或 Codex 跑其他模型,但“能运行”和“体验一样”是两回事。工具调用格式、系统提示、缓存和上下文策略不同,都可能带来差异。

  • 批量改文案、简单编码、代码解释:国产或轻量模型通常更划算
  • 复杂重构、疑难 bug、长程 Agent:官方推荐模型通常更稳定
  • 先用 3–5 个真实任务试跑,再决定是否把默认模型整体替换
Experience 04

MCP 少装、按需装

MCP 很方便,但不是装得越多越好。工具太多会增加选择成本,名字和描述相似时,Agent 还可能调错工具。

  • 先装最常用的 1–3 个:文件、GitHub、浏览器或团队文档
  • 能只读就先只读;写入、删除、发布等权限单独开启
  • 优先选维护活跃、权限清楚的实现;不用的 MCP 及时关闭
How I Choose

按参与方式,我会这样选

先看你希望 AI 参与到什么程度,再看从 Web、App、IDE 还是 CLI 进入。入口只是使用界面,真正的区别是人和 AI 怎么分工。

以对话为入口的综合助手

ChatGPT / Claude / Gemini / Kimi / 豆包

可以先通过对话组织问题,再让 AI 写作、分析资料、编程或调用工具。是否能持续执行、验证代码和完成文件,取决于该入口开放的能力;同一个产品可能同时提供对话与自主执行模式。

  • 用下来最方便的地方:打开就问,文件、搜索、语音和图片往往已经整合好
  • 最明显的限制:对话很长后容易丢掉早期细节,不适合把复杂项目一直堆在同一个聊天里
  • 我的习惯:一件事一个对话;关键约束写在开头,阶段结束让它输出一份可复制的摘要
协作编辑型

Cursor / Zed / Trae / GitHub Copilot

人持续主导,AI 在当前文件和项目上下文里补全、解释和修改。适合日常边写边改,是最容易形成稳定习惯的一类。

  • 用下来最顺手的地方:修改位置可见,随时接管、撤销和微调,心理负担比全自动 Agent 小
  • 真正影响结果的地方:进入上下文的文件是否准确,通常比换模型更重要
  • 我的习惯:小改动直接做;大改动先让它列计划,再拆成几轮,避免一次扫描整个仓库
自主执行型 Agent

Codex / Claude Code / DeepSeek Harness

人给目标和验收标准,Agent 自己规划、调用工具、执行并验证。Codex 可以从多个入口使用;Claude Code 更偏工程闭环;DeepSeek Harness 更开放、可组合。

  • 用下来最有价值的地方:能把完整任务交出去,特别适合有测试、有明确结果的工作
  • 最容易踩的坑:目标模糊或权限太大时,它会很努力地做错很多事
  • 我的习惯:开始前保持 Git 干净,写清不能改什么;先看计划,完成后只验 diff、测试和遗留问题

DeepSeek Harness 官方介绍 · GitHub

企业集成型 Agent

WorkBuddy / 公司内部 AI 平台

AI 已经连接公司身份、权限、知识库和业务系统。适合内部文档、团队协作、流程操作与敏感数据,不需要个人反复搬运上下文。

  • 用下来最省心的地方:模型、Tool、MCP、SSO 和审计已经集成,能直接处理真实工作对象
  • 最常见的误判:答不好不一定是模型弱,也可能是知识库过期、权限不足或检索没命中
  • 我的习惯:内部任务先从集成端开始;先确认数据源和权限,再考虑是否需要换更强模型

最新更新时间:(北京时间) · 更新周期:每 3 天
下次计划更新:2026 年 11 月 18 日

04 · Reuse Before Build

先复用,再决定要不要自己做

找现成项目不是为了追 GitHub 热点,而是避免重复造轮子。先用别人已经完成的部分验证需求,把时间留给真正属于自己的那一点差异,通常是 ROI 更高的做法。

我以前容易一有想法就从头搭环境、选框架,几天后才发现 GitHub 已经有能解决八成需求的项目。后来我会先花半小时找现成方案:能直接用就先用,能改就少量改,确认现成方案确实不合适,再考虑从零做。

路径 A · 自己找

不懂代码,也能先看“能不能用”

不需要先读懂代码。打开 GitHub 项目后,先看它展示了什么、是否支持你的电脑、安装是否清楚。对大多数人来说,这些信息比技术架构更重要。

  • 怎么搜:用“想完成的事情 + 设备 + 使用方式”组合关键词,例如 AI photo organizer macOS local
  • 先看什么:截图、演示视频、在线 Demo;先确认它做的是不是你想要的
  • 再看什么:README 里的安装说明、Releases、最近更新时间和常见 Issues
  • 怎么提高效率:一次只留 3 个候选,按“能否直接运行、是否持续维护、是否需要额外付费”比较
我踩过的坑:Star 很多不等于适合普通用户。有些项目只是开发框架,有些演示很好看但没有可用安装包。遇到满屏命令、没有截图、关键 Issue 长期没人回复,我通常先放到备选。

更适合:想自己了解项目、愿意跟着图文说明尝试,但不想研究代码细节的人。

路径 B · 让 Agent 找

把搜索、阅读和初筛交给 Agent

这是我现在更常用的方式。把目标、设备、技术水平、隐私和预算一次说完整,让 Agent 搜 GitHub、读 README、检查近期维护,再把候选项目翻译成容易理解的比较。

  • 怎么做:要求返回真实 GitHub 链接,并说明每个推荐是根据 README、Release 还是 Issues 得出的
  • 重点让它查:有没有桌面安装包、一键部署或 Docker;是否依赖显卡、付费 API 和云端上传
  • 怎么提高效率:先让它找 5 个并推荐 2 个;选定后再让它带着安装,不要一开始就让它“找并部署”
  • 没有联网能力时:自己先搜到几个 GitHub 链接,再交给 Agent 阅读比较;或配置 GitHub Tool / MCP
我踩过的坑:Agent 有时会推荐名字相似但并不存在的项目,或者只读首页就做判断。所以一定要它给原始链接、最近更新时间和具体证据;涉及下载、运行脚本、管理员权限时,必须停下来确认。

更适合:不熟悉 GitHub、希望有人把技术信息翻译成人话,并一步步陪着安装的人。

ROI Check

什么时候直接用,什么时候再自己做

能覆盖大部分需求

先直接使用。真实用几天后再判断缺失功能是否真的重要,不要在想象阶段提前开发。

方向合适但差一点

优先找插件、配置或同类分支;能在现有项目上小改,就不要重写整套基础能力。

现有方案都卡在核心需求

这时再自己做。保留调研结果,让 Agent 复用成熟项目的设计思路,同时避开已知问题。

可直接复制给 Agent
我不熟悉代码,希望用现成项目完成:【具体目标】
我的设备:【macOS / Windows / Linux;不知道有没有显卡也可以说明】
我的使用偏好:【最好有桌面 App / 可以跟教程安装 / 可以使用云服务】
我的限制:【是否包含隐私数据、预算、是否必须中文、能否接受付费 API】

请到 GitHub 帮我寻找并比较 5 个真实存在、目前仍可用的项目:
1. 每个项目必须提供原始 GitHub 链接,不要只给项目名;
2. 优先找有截图、Demo、桌面安装包、一键部署或清晰安装教程的项目;
3. 查看 README、最近 Release、最近提交和高频 Issues,说明项目是否仍在维护;
4. 用非技术语言比较:它能解决什么、安装有多难、是否需要显卡或付费 API、数据是否会上传云端;
5. 排除纯开发框架、只有概念演示、长期无人维护或安装说明不完整的项目;
6. 推荐最适合我的 2 个,并说明各自最可能踩的坑,以及为什么比“从零开发”更省时间。

现在只输出比较结果,不要下载、安装或运行任何脚本。等我选定后,再一步步带我安装;每次涉及终端命令、管理员权限、网络下载或系统配置修改时,先解释作用并征求确认。

最新更新时间:(北京时间) · 更新周期:每 3 天
下次计划更新:2026 年 11 月 18 日

05 · Verify, Then Decide

AI 会产生幻觉,所以人要掌舵

AI 有时会把错误事实、不存在的来源或不适用的方案,说得非常完整而自信。这不代表它没有价值,只是它的回答不能默认当成事实。我的做法是:让 AI 负责加速,让自己负责核验和决策。

My Way

我的试水方式:先跑一个小闭环

  1. 选一件具体的小事:不是“学习 AI”,而是整理一次旅行计划、比较几款产品、读懂一份报告,或完成一个能验收的小项目。
  2. 先让 AI 提方案和问题:让它说明需要哪些信息、准备怎么做、结果怎么判断;自己补充背景后再开始,而不是一句“你看着办”。
  3. 只执行可检查、可回退的一小步:先看提纲、样例或候选方案;确认事实和方向都对了,再继续生成全文、安装项目或批量处理。
  4. 有效方法再沉淀:把好用的 Prompt、项目摘要、检查清单或 Harness 配置保存下来,下次直接复用。
我踩过的坑:一开始同时试很多模型、装很多工具,最后记不清哪个真正有帮助。后来我会固定一个真实任务,只改变一个变量:先换 Prompt,再换工具,最后才换模型。
Human in the Loop

先假设它可能错,再逐项核验

幻觉最麻烦的地方,不是答案明显离谱,而是错误内容常常读起来也很合理。我会根据结果类型,采用不同的核验方式。

  • 事实与来源:要求给原始链接、作者和日期,并真正打开来源确认它是否支持这个结论
  • 数字与比较:要求列出计算过程、单位和假设;关键数字自己重新计算或交叉验证
  • 代码与自动化:先看 diff,在测试环境运行;有测试就跑测试,没有测试先做最小样例
  • 建议与方案:让它同时列出备选项、适用前提、风险和反对意见,最终取舍由自己做
  • 外部操作:发送、付费、发布、删除、改权限前先预览;确认影响范围和回退方法后再授权
我最在意的一点:语气自信不等于内容可靠。暂时无法验证的信息,就明确标成“待确认”,不要让一个未经核验的前提继续进入后面的分析和行动。

把 AI 的第一版输出当成草稿,而不是结论。影响越大的事情,核验标准越高;自己了解的信息越充分,越能判断什么时候可以采用、什么时候应该停下来。

最新更新时间:(北京时间) · 更新周期:每 3 天
下次计划更新:2026 年 11 月 18 日

06 · 附加知识

Code to Video · 用代码做视频

从可编辑的动画代码到视频成片,了解这类工具如何工作,以及该怎样看相关评测。

工具与评测 · Code to Video

Code to Video · 用代码做视频

让语言模型编写动画和排版代码,再渲染成视频。文字、图表和时间轴更便于精确修改,适合产品演示、动态信息图和知识讲解。

  • HyperFrames:把 HTML / CSS 与动画渲染为 MP4,可接入编码 Agent;适合产品短片和动效。
  • Code2Video(Show Lab):以 Manim 代码生成教学视频的研究框架,由规划、编码、审查模块协作。
  • Code2Video-AA:Artificial Analysis 的评测,衡量模型按设计简报编写视频代码的能力,并非单独的视频生成模型。
  1. 提供脚本、画幅、时长和品牌素材,让 Agent 先列分镜。
  2. 生成动画代码,预览关键帧并检查文字、重叠与节奏。
  3. 渲染视频,保留源码;后续通过修改文案、数据和时间轴复用。
Code2Video-AA · 2026.11.15 查阅快照

视频代码评测,单独看。

该榜使用 114 条设计简报,模型输出 HyperFrames HTML,由评审模型比较视频。结果只代表此项评测及指定推理配置,不能直接换算成通用模型排名。

Code2Video-AA 当前可查前三名;括号为官方运行配置。
模型Elo(含不确定区间)解读
Claude Opus 5.51536 ± 26Max / Default Fallback
Claude Sonnet 5.51443 ± 24Max / Default Fallback
GPT-6 Astra1427 ± 24Max;与第二名区间重叠

最新更新时间:(北京时间) · 更新周期:每 3 天
下次计划更新:2026 年 11 月 18 日