- Nanami_Chiaki2026-07-23
SkalskiP on X: "I’m both impressed and disappointed by Gemini 3.6 Flash faster, cheaper, and uses fewer tokens then Gemini 3.5 Flash. noticeably worse at object detection. often returns one general box instead of several precise ones. feels lazy. prompt: detect banana tree ↓ deep dive https://t.co/YREla5HVHx" / X 看到有人分享这条帖子，于是让ai搓了一个单html工具，能够让ai给画面中的物体打标并渲染出来。
index.7z (6.6 KB)
简单测试了几个模型，结果如下：
3.1pro
kimi2.6
3.6f
3.5f lite
gpt-free网页不知道什么模型
sonnet5官网
可以看得出来gemini系的模型的视觉能力确实遥遥领先。欢迎大家在下面补充自己拥有的多模态模型的测试结果
主楼 - Nanami_Chiaki2026-07-23
- 老火面2026-07-23
- Nanami_Chiaki2026-07-23
感觉不太像噢。这是我之前找过很久没找到的悬案，顺手拿来测试了
- voeid2026-07-23
Gemini为数不多的强项了，视觉能力还是很强的
- Albert2026-07-23
看起来很实用，收藏了，感谢大佬^-^
- Autsun2026-07-23
这张图原图有吗，我试试本地跑的量化版qwen3.6 35BA3B
- Nanami_Chiaki2026-07-23
- Autsun2026-07-23
- Autsun2026-07-23
Qwen3.6-35B-A3B-UD-Q5_K_M
- Nanami_Chiaki2026-07-23
- Autsun2026-07-23
5090跑的，模型都加载在显存上，为了速度（大概250t/s左右），如果只是为了能跑起来，那差一些的显卡也能跑，这种moe模型可以把权重卸载，然后只在GPU上跑激活专家，其他放在内存上跑（内存不够好像还会swap吧）就不怎么可用了
- Autsun2026-07-23
5090D，32G的版本，不是dd也不是满血5090
- Autsun2026-07-23
- Nanami_Chiaki2026-07-23
- Autsun2026-07-23
不知道哈吉米的flash是什么规模的模型，也没有开源，我这边之前有gemma4的模型测试，现在这个千问的模型正在用，不好切换，先不测了，估计是差不多，当时是感觉千问的好一点才用的千问
- Nanami_Chiaki2026-07-23
