信息光学考试大题不会写，发呆半个多小时，随便乱写下。L友随便看看玩玩
这几个月，各个渠道提供的近乎慈善的免费模型不可计数，所以这段时间正是我体验众多模型的大好机会，前有Ox alpha，Union-alpha后有Space Bunny Alpha，Step 5 Preview， Cat-jam等，还有自己数月前Google反代出来的Gemini3.x组的号池，最近甚至还有Glm-5.3-flash和Deepseek-v4-flash，（删了好多太长了）我全搞出来挨着狠狠用了一遍
诚然，GPT6.1，Claude系前沿顶尖模型能力显著强于这些模型，最终复杂的工作有这些模型的辅助会轻松很多。但是在我看来，大部分的工作绝非“非旗舰不可”，身边人手一个Plus的现象已经成为常态，然而这些各有特色的模型，至少是我周围的人，竟然无几人在意也无几人使用，我不禁感到有些惋惜。或许是Plus订阅已经满足了需求，也或许是复杂的反代与接入调试可能会浪费诸多时间，亦或者是体验至上追求顶尖模型的最佳体验。但是我绝不认为这些模型的能力是不足的，一家独大的时代早已过去，差距仍然客观存在，但也绝非不可逾越的技术鸿沟。
我是一个大三本科生，由于最近做矿机通讯与硬件逆向，在项目中需要逆向控制板和算力板之间的通讯协议，正好借此机会来给众多模型试试水。通过自制的板卡镜像通讯流量，镜像的数据中只有杂乱的原始比特流数据，并且因为通讯命令众多且涉及大量非公开寄存器读写，波特率还存在115200到3m的跳频，人工分析起来十分复杂完全无从下手。在尝试了众多模型，包括反代的plus后，只有v4.1f1017和6.1sol大部分解析出来了通讯命令和对应的寄存器定义并且通过IO回写，至于6luna，在浪费我10%额度跑错方向做足了无用功后，必须给定关键方向才能完成剩余的分析工作。不出所料，大部分的模型没能在几次对话内成功，但是在这种缺乏公开语料的高封闭度工程里，指望单一模型oneshot本来就不现实，这何尝不是另一种体现模型能力的“鹈鹕测试”呢。观察众多模型的推理过程，研究它们不同的切入角度，多样化的结果是我所希望看到的，各有千秋的思维方式无关乎对错，都给我们提供了全新的解决问题的思路。
所以说，便宜的模型就一定不如贵的吗？我并不这么认为。所谓的北美豆包gemini 3.7升级到3.8后对比思考有提升，有自查和验证，虽然乱改工程、虚报完成的问题仍然存在，但凭借强大的图形识别能力依旧不失为一个合格的好模型，这至今还是我工作流中涉及图形内容审查的子代理。Opencode的免费ds和glm虽然上下文长度压缩丢细节做不了长线，但是针对特定功能块的小规模针对性修改依旧能够准确高效，至于其他的模型比如brim和catjam，超快的速度适合特定文件或任务区块的快速审阅与概括，之前的muse1.3更是量大管饱，诸如此类，等等等等。
ChatGPT我也用，Opencode我也用，各类其他的模型我也用。每月给校内外七八个朋友同学代充，一问大都是:“因为好用”“因为都在用GPT”，但是真的有几人是真正对比过其他模型才下的结论呢。对于刚接触Agent的我肯定会推荐，因为他简单可靠，Agent适配完善，但是如果长期使用的，我有时也会问：“不如试试别的呢”“其实有些国模也不错的”.当你给dsv4.1f1017的每条提示词达到两三百字，条理清晰导向明确时；当你审阅并修订glm-5.3-flash列出的todolist并且追加关键的细节后；当你有自己的工作流并且对工程结构拓扑有清晰的认知，通过思考过程及时纠偏补充细节，我体验下来不认为他们和6.1sol有什么很大的差距，甚至v4.1f1017有时候又快又好。但是如果给模型的提示词是“帮我完成”“帮我复现”“帮我达到xx效果”这样的简单对白时，我们的意义又是什么呢？这样的工程谁来不是一样呢？这样最终不会造成我们的技术水平倒退吗？
ChatGPT开箱即用固然省事省心，但是单一使用却也显得机械无趣。6.1-sol的速度令人遗憾，6-luna的准确度令人堪忧，不定时的重置产生无限额度的错觉，谁又能保证后面还有天天重置呢？既然有这么多其他美味的模型可以随意选择，不妨放下手中包装精美的成品，去期待一下后面的dsv4.1pro和Glm5.5，去给这些各有特色的模型一些机会，去学习不同模型解决同一问题的不同思路，去提高自己使用不同模型协作解决复杂问题的能力，去指挥模型工作而不是去‘观看’模型工作……或许这样，在日新月异的激变之中，能收获很多不一样的体验。
