📌 📄 内容摘要:
且拭羽 (@QieShiYu) 在 kimi-k2.5有点猛啊，搜索能力上这波直追gpt-5.2-pro 中发帖
[image]
对比看来感觉qwen3-max-thinking完全是走错了路子
比成本比不过deepseek、1T参数，结果比知识量也比不过gemini
然后又没有多模态……
各方面都很平庸，就导致这个模型完全找不到应用场景（反正我是没找到）
个人观点：后续模型发展会越来越分化，大而美一模通吃的时代结束了，各家厂商都得想办法找自己的落地场景，不止是应用落地，而是在模型训练阶段就要想好这个模型炼出来干什么
我感觉通义这波应该是踩坑了，这个模型调用量可能不会多好看
各个山头都被占领了，低成本deepseek凭借DSA遥遥领先，671B的模型1M输入才2￥……这怎么比？编程方面minimax、glm都在发光发热，再往上还有Opus和Codex、Gemini三座大山
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/1523373/1
─────────────────────────────
📢 来源：LINUX DO
