廊坊塑料挤出机 春节6天，我找到了各个域强的大模子。

数字人命卡兹克

这个春节，快高亢乐的在老vibe coding了近6天。

我作念了个还蛮兴趣的东西，即是个18个大维度、近100个小维度，共970谈题的原创大模子评测集。

作念这个东西的思法其实额外陋劣，即是我但愿任何个新模子出来，就能用这套评测集平直过全自动过遍，再配我我方的实测，大致就能在3个小时里，就对新模子的智力相比明晰了，以便我好快的对模子进行评测，同期也能逃避些刷分怪。

东谈主啊，即是不知者畏，思的很陋劣，然而没思到作念起来，有这样的禁绝，4天险些用光了我御三大模子档Coding plan的额度，也果真踩了数的坑。

比如Skill迭代，运行我作念了出题和审查skill之后，我发现，模子出的照旧坨屎，因为缺了太多的教导和拘谨要求。是以没主意廊坊塑料挤出机，只可各个顶模子相互出题再相互审查，隔热条设备然后再把教导迭代回skills，就这样迭代了2天，这个skills才算踏实可用。

就比如高下文措置，这1000谈题的信息量过于，莫得个Agent能平直生成出来，别提好多原创素材，我以致写了3本15万字的演义看成评测集的素材之。像Claude Code，次生成个小类的10谈题，就照旧是佳高下文的限了。

不外这些坑归坑，然而也不测的帮我找到了各个维度里当今体感强的模子。

毕竟出题模子的智力上限，险些也影响出题的质地和翌日评测的质地，毕竟出题的拉了，那翌日评测拉。

是以，也给大共享下，不保证对，仅仅我我方的体感：

1. 软件工程与代码生成：GPT-5.3 codex

2. 代码走漏、理与质地：GPT-5.3 codex廊坊塑料挤出机

3. 调试、测试与爱戴：GPT-5.3 codex

4. 数据工程与后端作事：Claude Opus 4.6

5. 前端与居品工程：Claude Opus 4.6

6. Agent器具调用：Claude Opus 4.6

7. Web与桌面自动化(静态) ：Claude Opus 4.6

8. 商讨与常识使命Agent(静态)：GPT-5.2 Pro廊坊塑料挤出机

9. 数学与表情理：Gemini 3.1 Pro

10. 逻辑与谋划：Gemini 3.1 Pro

11. 常识广度与事实核验：Gemini DeepThink

12. 阅读走漏与信息抽取：GPT-5.2 Thinking

13. 长高下文顾虑与多轮致：GPT-5.2 Thinking

14. 辅导罢职与对皆：Claude Opus 4.6

15. 多模态走漏与视觉理：GPT-5.2 Thinking

16. 情商与合营相似：GPT-4.5

17. 创作抒发与审好意思：Claude Opus 4.6

以上，但愿能帮大省俭点期间。

哦对了，再特等提句，在搜索上要是你思搜对于AI的新的信息，比如OpanClaw的新玩法之类的。

坚信我廊坊塑料挤出机，用Grok 4.2，有奇。