- 黄叶点子2026-07-19
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 - PEScn2026-07-19
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……
- xiao-gy2026-07-19
笑死我了这个打码的内容，一眼就看出来了^-^
- 哎呀肚子疼2026-07-19
- 𝓵𝓮𝔃𝓲𝓼𝓱𝓮𝓷2026-07-19
coding我没试过，试了下文字似乎有提升
- 项太傅2026-07-19
不会差的，是时候加仓阿里巴巴了。
- penny662026-07-19
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
- ensemble2026-07-19
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。
- Fernando_Mayert_MD2026-07-19
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》
- 无痕2026-07-19
阿里的模型指令遵循和意图识别都不太好
- 黄叶点子2026-07-19
（帖子已被作者删除）