站長專區註冊登入

部落格

閱讀 Folkbench 關於 AI 中轉站穩定性、軟體工程評測、中文寫作、低價風險與模型官方規格的文章和實務筆記。

Kimi K3.1 Pro 深度解析：長程程式開發、3D 能力與實際使用成本

從官方基準測試、百萬上下文、推理參數和快取計費拆解 Kimi K3.1 Pro：哪些能力值得期待，哪些結論還需要實測。附 Folkbench 圖示速覽與基準對照圖。

閱讀文章

讀者投稿

評測AI 懂不懂職場溝通，不看會不會說漂亮話，而看能不能把「酸言酸語」翻譯成事實、界線和下一步評測會做菜，還是會寫食譜？12 個家庭廚房情境，揭露模型的可執行性評測當「不掃興」壓過「說實話」：誇媽媽做菜測試暴露 AI EQ 評測的盲區模型Haiku 5.5 到底有多強？官方成績單裡，最值得看的不是第一名

文章

共 16 篇內容
  1. 模型真的「變笨」了嗎？從一張失敗截圖到一場可信的對照實驗一次出包能證明模型犯過錯，卻無法單獨證明它比以前更容易出錯。本文討論如何把這種懷疑變成他人可以複查的證據。
  2. 如何為一隻騎單車的鵜鶘評分？從爆紅測試到可信的評測系統第一篇談「別輕信一張截圖」。這一篇繼續追問：為什麼連一個分數，也不能輕信？
  3. API 中轉站可靠性檢查一套可以重複執行的中轉站驗收流程：先固定請求，再觀察首位元組、串流結束、錯誤分類與重試邊界。
  4. Claude Opus 5.5 的規格、標價與發布頁基準整理 Claude Opus 5.5 的官方規格、標價和發布頁基準表，並列出遷移時會直接回傳 400 的請求。數字來自模型供應商的公開頁面，不是 Folkbench 實測。
  5. Claude Sonnet 5.5 的規格、標價與發布頁基準整理 Claude Sonnet 5.5 的官方規格、與 Sonnet 5 相同的標價，以及發布頁列出的基準測試，並另外列出遷移時會回傳 400 的請求。這些數字並非 Folkbench 實測。
  6. GPT-6.1 Sol 的規格、長上下文標價與發布頁比較整理 GPT-6.1 Sol 模型頁的規格、272K 以下與以上的官方網站標價，以及發布頁寫明的差值與單一任務成本。這些數字來自 OpenAI 的公開頁面，不是 Folkbench 實測。
  7. Grok 4.7 的規格、長上下文標價與發布頁基準測試整理 Grok 4.7 的模型名稱、500K 上下文、200K 以下與以上的官方網站標價，以及發布頁列出的基準測試。這些數字來自 xAI 的公開頁面，不是 Folkbench 實測。
  8. 寫程式情境下，AI 中轉站的軟體工程評測指南針對程式碼生成、Agent 工具鏈、長上下文和快取協定，整理軟體工程情境下的中轉站品質檢查方法。
  9. 別再被 99% 可用率騙了：我們踩過的 AI API 中轉站大雷與穩定性測試指南從假 200、串流中斷和夜間卡頓談起，說明真正決定正式環境體驗的穩定性指標與測試方法。
  10. 從「翻譯腔」到「精神母語」：三年來的 AI 中文寫作與 API 中轉站體驗一位中文寫作者橫跨三年的模型使用記錄，以及透過 API 中轉站把不同模型接進日常寫作流程的真實體驗。
  11. AI 模型中轉站的「灰色產業幽靈」：那些被 1 折 API 毀掉的創業者從匿名案例出發，談低價中轉站背後的模型偷換、計費陷阱、上下文截斷和資料風險。