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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
典型场景:写代码、debug、代码审查、多文件重构、Coding Agent
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。
典型场景:查资料、写邮件、会议纪要、翻译润色、改简历
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。
典型场景:数学题、论文推导、复杂决策、长链逻辑、尽调
能力与规格来源:DeepSeek ↗ · Claude ↗ · Qwen4 ↗
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。
典型场景:读图、看 PDF / 表格、截图识别、视频理解、拍题
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。
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。
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。
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。
更方便的用法:ChatGPT、Claude、Gemini、豆包、Kimi 等官方产品。
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。
更方便的用法:选对专业工具,再在里面配置顺手的模型。
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。
更方便的用法:OpenRouter 做短期对比,确定主力后再转官方渠道。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
AI photo organizer macOS local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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
| 模型 | Elo(含不确定区间) | 解读 |
|---|---|---|
| Claude Opus 5.5 | 1536 ± 26 | Max / Default Fallback |
| Claude Sonnet 5.5 | 1443 ± 24 | Max / Default Fallback |
| GPT-6 Astra | 1427 ± 24 | Max;与第二名区间重叠 |
查看实时榜单与方法 ↗ · 当前快照列出的是 Fable 5.1,不能据此推断 Fable 5.2 的得分。