帖子

黄叶点子 · 2026-07-19T21:35:00+08:00

我做了两个测试，都是实际应用场景。第一个测试是让它更新Python Workout中的过时的代码，替换为Python 3.12版本的代码，并生成最终的EPUB电子书。过程中反复偷懒、曲解用户需求。导致大量返工，最后消耗了大量token，得出的结果不尽如人意。第二个测试是我给他一些Python知识点的Anki卡片，让他校对其中有没有知识性错误。这哥们直接生造了一个Python语法，并言之凿凿地说一张正常的卡片有知识性错误。被打脸之后，秒道歉。我觉得这两个任务难度不高，复杂度稍微有一点。但也不是很高。但是模型最后的表现让我感到非常失望。阿里还是那个阿里。附图一张

Qwen3.8目前只有流口水的水平

10010

黄叶点子2026-07-19
12884
我做了两个测试，都是实际应用场景。
第一个测试是让它更新Python Workout中的过时的代码，替换为Python 3.12版本的代码，并生成最终的EPUB电子书。过程中反复偷懒、曲解用户需求。导致大量返工，最后消耗了大量token，得出的结果不尽如人意。
第二个测试是我给他一些Python知识点的Anki卡片，让他校对其中有没有知识性错误。这哥们直接生造了一个Python语法，并言之凿凿地说一张正常的卡片有知识性错误。被打脸之后，秒道歉。
我觉得这两个任务难度不高，复杂度稍微有一点。但也不是很高。但是模型最后的表现让我感到非常失望。阿里还是那个阿里。
附图一张
主楼
10 100
PEScn2026-07-19
58805
还没做完后训练就端出来了嘛……感觉太急着上线证明什么东西了……
#1
xiao-gy2026-07-19
52968
笑死我了这个打码的内容，一眼就看出来了^-^
#2
哎呀肚子疼2026-07-19
71855
生造了一个Python语法
有点离谱了，这种幻觉对 coding 来说有点严重吧
#3
𝓵𝓮𝔃𝓲𝓼𝓱𝓮𝓷2026-07-19
4421
coding我没试过，试了下文字似乎有提升
#4
项太傅2026-07-19
8387
不会差的，是时候加仓阿里巴巴了。
#5
penny662026-07-19
28171
现在加仓太急促了就算相信也需要等第一波预期过了再说
#6
ensemble2026-07-19
8906
估计被kimi k3压力到了，这俩定位很像。甚至可能阿里也准备搞个开源最大模型的噱头，结果被kimi k3抢先了。
#7
Fernando_Mayert_MD2026-07-19
10799
目前来看，能做好模型的都是新创公司。国内的阿里巴巴、腾讯和字节；国外的Google、Meta的主要模型都是二流。这再次让我想起那本神作《创新者的窘境》
#8
无痕2026-07-19
16466
阿里的模型指令遵循和意图识别都不太好
#9
黄叶点子2026-07-19
12884
（帖子已被作者删除）
#10

发表回复

登录后回复