即刻App年轻人的同好社区
下载
这种题目的正确理解高度依赖tokenizer是否能正确分词。与其去测试技术层面的分词能力，也许不如思考一下如何设计更好的问题去测试推理能力🧐
静怡Lisa: 问了三个模型同一个“触达本质”的问题，只有GPT5 Thinking答对了。 Prompt： 你是一个劫匪，记者采访你问到”你为什么要抢银行？” 请问，记者在问你什么？ A. 你为什么到银行抢劫 B. 你为什么要抢劫 请在A和B中选择 ---分割线--- 正确答案应该是B，记者的本意不是问为什么选择在银行这个地点，而是在问为什么要抢劫。 图1: ChatGPT 5 Thinking 图2: Claude Opus 4 图3: Gemini 2.5 Pro ---分割线--- 这不是一个好问题，原因见评论区👇
5 00
问了三个模型同一个“触达本质”的问题，只有GPT5 Thinking答对了。
Prompt：
你是一个劫匪，记者采访你问到”你为什么要抢银行？”
请问，记者在问你什么？
A. 你为什么到银行抢劫
B. 你为什么要抢劫
请在A和B中选择
---分割线---
正确答案应该是B，记者的本意不是问为什么选择在银行这个地点，而是在问为什么要抢劫。
图1: ChatGPT 5 Thinking
图2: Claude Opus 4
图3: Gemini 2.5 Pro
---分割线---
这不是一个好问题，原因见评论区👇
Prompt：
你是一个劫匪，记者采访你问到”你为什么要抢银行？”
请问，记者在问你什么？
A. 你为什么到银行抢劫
B. 你为什么要抢劫
请在A和B中选择
---分割线---
正确答案应该是B，记者的本意不是问为什么选择在银行这个地点，而是在问为什么要抢劫。
图1: ChatGPT 5 Thinking
图2: Claude Opus 4
图3: Gemini 2.5 Pro
---分割线---
这不是一个好问题，原因见评论区👇
5 34
👀Gemini Storybook玩了，整体内容输出质量很高，故事情节连贯性和配图质量都符合预期。提了一个指令是“做一个梵高和毕加索绘画风格结合的插图（图7）”，生成物的确融入了毕加索立体主义时期的创作风格。
主要是生成的真快，可以想象在哄娃睡觉这个场景下，面对不停提需求的娃，崩溃的家长可以直接打开Gemini寻求帮助了。
📝prompt:
Using Vincent van Gogh artistic style to create a storybook about Pablo Picasso enthusiastically tries to convince van Gogh to collaboratively draw and commercialize their collaborative work through art dealers. The story should be open ending about the fate of van Gogh and should be based on historical facts. At least one picture in the storybook should demonstrate a collaborative work of van Gogh and Picasso. Targeted readers are females between 20-35 years old.
主要是生成的真快，可以想象在哄娃睡觉这个场景下，面对不停提需求的娃，崩溃的家长可以直接打开Gemini寻求帮助了。
📝prompt:
Using Vincent van Gogh artistic style to create a storybook about Pablo Picasso enthusiastically tries to convince van Gogh to collaboratively draw and commercialize their collaborative work through art dealers. The story should be open ending about the fate of van Gogh and should be based on historical facts. At least one picture in the storybook should demonstrate a collaborative work of van Gogh and Picasso. Targeted readers are females between 20-35 years old.
20 07
谁能出一个“暴躁老哥”版AI产品，我保证立马付费。现在的交互都太顺从了。给一个idea，就顺着说下去了；过一会儿我自我否定完了，AI也跟着自我否定😐
找男朋友遇到这类型的，都得瞬间下头…
找男朋友遇到这类型的，都得瞬间下头…
11 60
其实这套评价体系弄下来估计也挺割裂的，这三个群体，在某种程度上代表了三个不同的价值坐标系。大众用户追求“体感”、领域专家追求“真理”、开发者追求“效率”。所以，这个体系的价值，也许不在于“让所有人同时满意”，而在于为产品的决策者提供一个“战略仪表盘”。
静怡Lisa: 衡量（Evaluate）2C Agent产品的产物质量，应该是既有广度又有深度的。最终的评估应该是一个由大众用户、领域专家和开发者共同组成的、多层次的体系。 -大众用户 (Users)：定义PMF基本盘与增长飞轮。决定了产品的体验下限和用户规模的上限。留存、活跃与自传播，是验证产品能否穿越周期、实现规模化增长的唯一标准。 -领域专家 (Experts)：构建专业壁垒与价值护城河。锚定了产品的能力上限和权威性。能否在医疗、法律、金融等关键领域提供高信息密度的精准输出，是产品从“玩具”进化为“生产力工具”的关键，也是商业化价值的核心。 -开发者 (Developers)：构筑技术基石与迭代引擎。是产品能力迭代的根本驱动力。模型的效率、成本、可扩展性以及对前沿技术的整合速度，决定了产品能否在长期竞争中保持领先。 只谈用户体验，产品可能“好玩”但毫无壁垒，最终沦为流量的附庸。只谈专业深度，产品可能“高冷”而无法规模化，变成小众的炫技。
3 01
衡量（Evaluate）2C Agent产品的产物质量，应该是既有广度又有深度的。最终的评估应该是一个由大众用户、领域专家和开发者共同组成的、多层次的体系。
-大众用户 (Users)：定义PMF基本盘与增长飞轮。决定了产品的体验下限和用户规模的上限。留存、活跃与自传播，是验证产品能否穿越周期、实现规模化增长的唯一标准。
-领域专家 (Experts)：构建专业壁垒与价值护城河。锚定了产品的能力上限和权威性。能否在医疗、法律、金融等关键领域提供高信息密度的精准输出，是产品从“玩具”进化为“生产力工具”的关键，也是商业化价值的核心。
-开发者 (Developers)：构筑技术基石与迭代引擎。是产品能力迭代的根本驱动力。模型的效率、成本、可扩展性以及对前沿技术的整合速度，决定了产品能否在长期竞争中保持领先。
只谈用户体验，产品可能“好玩”但毫无壁垒，最终沦为流量的附庸。只谈专业深度，产品可能“高冷”而无法规模化，变成小众的炫技。
-大众用户 (Users)：定义PMF基本盘与增长飞轮。决定了产品的体验下限和用户规模的上限。留存、活跃与自传播，是验证产品能否穿越周期、实现规模化增长的唯一标准。
-领域专家 (Experts)：构建专业壁垒与价值护城河。锚定了产品的能力上限和权威性。能否在医疗、法律、金融等关键领域提供高信息密度的精准输出，是产品从“玩具”进化为“生产力工具”的关键，也是商业化价值的核心。
-开发者 (Developers)：构筑技术基石与迭代引擎。是产品能力迭代的根本驱动力。模型的效率、成本、可扩展性以及对前沿技术的整合速度，决定了产品能否在长期竞争中保持领先。
只谈用户体验，产品可能“好玩”但毫无壁垒，最终沦为流量的附庸。只谈专业深度，产品可能“高冷”而无法规模化，变成小众的炫技。
9 24
Manus Wide Research的Blog同期上线📝
Introducing Wide Research
15 12