DeepSeek API
2026/11/02自动生成 · 来源分析提供函数调用、JSON输出与流式输出的开发者模型 API
3.9/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
值得接入但要自建编排:模型能力够用,任务闭环得自己写。
基于公开信息评估:DeepSeek API 的定位是「模型接口」而非成品 Agent,兼容 OpenAI/Anthropic 格式,改配置即可复用现有 SDK 与兼容软件,接入成本低。功能面上,函数调用、response_format=json_object 的结构化输出、stream=true 的 SSE 增量返回三件套齐全,输出质量给 4.0;但官方明确 JSON 模式需在提示中重复要求 JSON,并要自行处理长度截断与可能的空内容,函数调用也只返回工具请求、参数校验与真实执行由应用负责,所以任务完成度只给 3.5——它不替你闭环。速度给 3.5:流式能力具备,但公开资料没有首字延迟与吞吐数据,无法验证快慢。中文优化 4.5,中文文档与中文指令理解是其明显强项;性价比 4.0,按 token 计费、无订阅门槛,但费率、权限与免费额度须以当前官方文档及账号为准,且不能从消费端网页账号推断 API 额度。总体亮点是接入简单、中文友好、结构化输出可控;短板是工程负担全在调用方,且配额与限流信息需自行核验。
- 来源记载的产品/版本
- deepseek-flash
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
把模型接入自有 IDE 或代码助手,做补全与解释在后端服务中用 JSON 模式做结构化信息抽取与校验用 stream=true 搭建流式代码问答前端并处理结束原因
MinerU
2026/11/01自动生成 · 来源分析开源PDF文档解析与数据提取工具
4.3/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
开源可私有化,批量 PDF 转结构化首选,但需接受自部署成本。
基于公开信息评估:MinerU 是 OpenDataLab 开源的 PDF 解析工具,定位是把 PDF/Office 等复杂文档转成 LLM 可用的 Markdown/JSON。任务完成度 4.5:官网明确支持表格、公式、图片等复杂元素识别,并同时提供命令行与 Python API,适合批量流水线接入。输出质量 4.0:Markdown/JSON 的结构化形态直接契合 RAG 与 Agent 流程,但公开信息未披露复杂版面的准确率基准,实际精度仍需自行验证。响应速度 3.5:解析依赖自定义深度学习模型本地部署,吞吐取决于显卡与批大小,不是开箱即用的云端秒回体验。中文优化 4.5:国内团队维护,中文学术论文与技术文档是其公开主推场景。性价比 5.0:开源可私有化,无按页计费,批量处理成本可控。亮点是开源、可私有化、多格式结构化输出;短板是需自行部署调优,且缺少官方在线体验与速度基准。
- 来源记载的产品/版本
- 自定义深度学习模型
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
批量把学术论文 PDF 转 Markdown 建 RAG 知识库抽取技术文档与合同中的表格、公式为 JSON本地私有化解析敏感文档避免上传云端
Gemini Notebook
2026/10/30自动生成 · 来源分析AI 笔记与研究助手,整合 Gemini 能力
3.9/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
做资料综述可靠,但中文与响应速度是明显短板。
基于公开信息评估:Gemini Notebook(原 NotebookLM)是 Google 把 Gemini 模型与独立笔记产品整合后的版本,核心链路为上传文档、网页,然后自动摘要、溯源问答、生成笔记。任务完成度 4.0,它已覆盖研究整理主流程,但导出格式、多语言文档解析上限等细节官网未披露。输出质量 4.5,Gemini 模型结合“回答锚定原文出处”的设计,让资料综述类任务可信度较高,这是它相对通用聊天工具的最大差异点。速度 3.5,官网仅提到“安全云端计算机”架构,首字延迟与长文档处理耗时缺少公开基准,暂无法给高分。中文优化 3.5,中文理解可用,但本土化表达与中文资料生态整合弱于国内同类产品。性价比 4.0,随 Google 账号提供免费额度,对学生与研究人员门槛低。主要短板是深度绑定 Google 生态,离线能力与团队协作未明确。
- 来源记载的产品/版本
- Gemini
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
上传论文 PDF 自动生成摘要与要点笔记对多份报告做跨文档溯源问答把零散网页资料整理成研究提纲
Qwen-Audio-TTS
2026/10/29自动生成 · 来源分析阿里云百炼的中文优先语音合成 API,覆盖实时、非实时与声音复刻
4.1/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
中文方言场景优先考虑它,但实时延迟与音质仍需自测。
基于公开信息评估:Qwen-Audio-TTS 是阿里云百炼体系内的语音合成模型系列,本次核对的目录版本为 qwen-audio-3.0-tts-plus。任务完成度给 4.5:一条产品线同时提供系统音色、声音复刻、声音设计三条音色路线,并能控制语速、情感和发音,客服播报、有声内容、方言配音等主流场景基本都能覆盖。输出质量给 4.0:官方能力描述完整,但未公布 MOS、相似度等客观音质指标,声音复刻的实际保真度仍需自测。响应速度给 3.5:同时提供 WebSocket 流式与 HTTP 两种接入方式,架构上适合实时交互,但页面没有首包延迟或并发数据,只能算合理推测。中文优化给 4.5,是其最强项:普通话之外覆盖多个方言和多语种,对国内本地化项目价值明显,但方言覆盖随模型和音色而异,选型时必须逐个音色试听。性价比给 4.0:百炼按量计费并有免费额度,接入成本低,但公开页面未列明单价,预算测算需要进控制台确认。主要短板有三点:定位是服务端 API 而非开箱即用的消费级产品,接入有一定开发门槛;简介明确面向中国大陆地域接入,海外团队可能受限;音质与延迟缺少可核验的公开基准数据。
- 来源记载的产品/版本
- qwen-audio-3.0-tts-plus
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
智能客服与IVR语音播报方言与本地化内容配音有声书、短视频批量配音
Copilot in PowerPoint
2026/10/28自动生成 · 来源分析在 Microsoft 365 内从提示词或现有文件生成并继续编辑演示稿
3.5/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
已购 Copilot 许可的 Office 团队值得用,免费用户慎选。
基于公开信息评估:Copilot in PowerPoint 的核心能力是从提示词在 PowerPoint 或 Microsoft 365 Copilot 中创建演示稿,并可引用 Word、PDF 等文件作为内容基础,适合必须留在 Office 文件与企业协作流程中的团队。任务完成度 4.0:建稿与文件引用路径清楚,但可用性受 Microsoft 365 订阅、Copilot 许可和组织设置约束。输出质量 3.5:官方强调从零生成与文件依据,公开页未展示复杂版式与数据校验细节。响应速度 3.0:无公开首字延迟或端到端时延数据,云端生成体验受网络与租户影响。中文优化 4.5:微软中文界面与中文提示适配成熟。性价比 2.5:需叠加订阅与 Copilot 许可,免费额度覆盖有限。总体是流程内协作型工具,不是免费独立生成器。
- 来源记载的产品/版本
- Microsoft 365 Copilot
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
从 Word 报告快速起草汇报 PPT将 PDF 资料转为演示稿初稿企业内基于文件协作生成提案
YuE
2026/10/27自动生成 · 来源分析开源全曲生成音乐大模型,歌词到完整歌曲
3.8/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
开源可控性强、性价比高,但速度与中文表现需实测再定
基于公开信息评估:YuE2 是开源音乐基础模型,核心能力是从歌词直接生成整首歌,人声与伴奏同时输出,并支持多语言演唱。与多数只输出器乐或只做编曲的开源方案相比,它引入符号规划(symbolic planning)、零样本翻唱与智能体音乐编辑,让曲式结构和后期修改更可控,任务完成度可给 4.0——端到端闭环完整,但成品是否达到商用发行水准仍需实测。质量给 4.0,亮点是规划与编辑带来的可控性,而非单纯音质宣称。中文优化仅 3.5,官网只说明支持多语言演唱,缺少中文咬字、韵律的专项说明与样例,中文歌词效果需实测确认。性价比是最大优势,给 4.5:权重与推理代码公开,可本地部署,无按次计费,对二次开发团队友好。速度给 3.0,官方未公布首字节延迟与整曲生成耗时,本地推理通常较吃算力。结论:创作者自建与团队二次开发优先,追求开箱即用的轻度用户需谨慎。
- 来源记载的产品/版本
- YuE2
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
用原创中文歌词生成带人声与伴奏的完整 demo对已有歌曲做零样本翻唱风格迁移用智能体编辑对生成曲目做分段修改与重编排
v0 by Vercel
2026/10/26自动生成 · 来源分析自然语言生成可运行的 React UI,前端原型最快路径
3.9/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
UI 原型环节的优选,中文与复杂全栈仍需人工兜底。
基于公开信息评估(未做真机实测):v0 by Vercel 的定位很清晰——把自然语言描述直接转成可运行的 Tailwind + shadcn/ui 组件,官网强调「不需要写一行 CSS」,官网页面则进一步把它描述为可设计、迭代并扩展到全栈 Web 应用的协作式 AI 助手。任务完成度给 4.5:从单组件到页面级生成都在射程内,且锁定 React/Next.js 生态,产出物不是截图而是能贴进项目的代码。输出质量同样 4.5:依托 shadcn/ui 设计体系,样式与结构一致性是其相对同类工具的结构性优势,减少「生成能跑但要重写」的返工。速度 4.0:官方口径是秒级出组件,但整页或全栈应用的生成与迭代耗时公开信息未披露,故留出余量。中文优化 3.0 是明显短板:产品文档、界面与社区以英文为主,中文提示下的界面文案本土化、中文排版细节均无官方说明,中文团队需自行二次润色。性价比 3.5:免费额度覆盖度与订阅价格未在公开信息中给出可核验数据,只能按套餐实际计费再判断。总体判断:它是 UI 原型环节的高确定性选择,但不是中文优先或非 React 技术栈的通用解。
- 来源记载的产品/版本
- Claude Opus 4.8
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
用一句话生成登录表单、定价卡片等 shadcn/ui 组件并直接并入 Next.js 项目设计师把界面想法转成可交互原型,用于评审而非静态稿在既有 Tailwind 设计体系内快速扩展页面,保持样式一致性
通义千问 Agent
2026/10/25自动生成 · 来源分析阿里云生态 Agent:企业级工具调用 + 国内合规部署
3.9/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
企业级 Agent 落地优选,前提是已押注阿里云生态。
基于公开信息评估:通义千问 Agent 定位为阿里云生态内一站式 Agent 构建、部署与运营平台,官方强调 MCP 协议支持、企业知识库接入与定制工作流三项能力。任务完成度 4.0 分——从搭建到运营的链路较完整,但深度依赖阿里云组件;输出质量 4.0 分——底层 Qwen3.7-Max 在中文理解与多模态(视觉、音频)上较成熟,企业知识库可缓解幻觉,复杂多步编排的稳定性仍需实测;响应速度 3.5 分——官网未披露首字延迟与并发指标,多步 Agent 调用通常慢于直连模型;中文优化 4.5 分——本土语料与政务、电商术语贴合度高,是明显强项;性价比 3.5 分——按量计费加免费额度,企业级功能齐全,但长期高频调用成本需核算。典型场景包括企业知识库问答、MCP 工具链驱动的工单自动化、电商客服工作流编排。整体亮点是生态整合与中文能力,短板是速度指标不透明与生态锁定。以上均为基于公开信息评估,未经实测。
- 来源记载的产品/版本
- Qwen3.7-Max
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
企业知识库智能问答机器人MCP 工具链驱动的工单与运维自动化电商客服与营销工作流编排
Qwen3.7-Max
2026/10/24自动生成 · 来源分析阿里云通义千问旗舰版:百万上下文 + 超长程 Agent 执行
4.0/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
长上下文与中文场景优选,速度与成本需先验证。
基于公开信息评估:Qwen3.7-Max 是阿里云当前旗舰,官方给出的核心卖点是原生百万 Token 上下文、内置扩展思考模式,以及可持续数十小时的长程 Agent 执行能力,同时提供 OpenAI 兼容 API 与国内稳定部署,企业迁移成本低。按五维打分,中文优化拿到满分 5.0——阿里自研底座在中文理解与本土表达上具备原生优势;任务完成度 4.5,长上下文加工具调用适合一次性吞入整份合同、代码库或研报后做跨文档推理。短板同样清晰:速度仅 3.0,旗舰体量叠加扩展思考,首字延迟和整体耗时大概率不适合实时客服、流式对话这类低延迟场景;性价比 3.5,企业级定价偏高且免费额度未公开,个人开发者试错成本需先核算。质量给 4.0 是因为官方宣称的多语言与工具调用提升尚缺第三方公开基准交叉验证。建议先在小流量灰度中实测长文档召回准确率与 Agent 任务成功率,再决定是否全量替换。
- 来源记载的产品/版本
- Qwen3.7-Max
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
百万 Token 级合同或研报的跨章节比对与要点抽取多步骤工具调用的自动化数据管道与 Agent 工作流中文客服知识库问答与本土化内容生成
Manus
2026/10/23自动生成 · 来源分析异步执行的全栈 Agent:让 AI 真正替你完成任务
3.7/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
胜在能后台推进并交付结果,不适合需要即时对话反馈的场景
基于公开信息评估:Manus 定位「全自主」Agent,可在浏览器与代码环境中自主规划、执行多步任务并推送结果,因此任务完成度给出 4.5 分,为本次最高项——研究、竞品分析、数据收集这类需连续多步操作、可后台推进的工作正是其主场景。输出质量 4.0:官网强调「执行任务、自动化工作流」而非单轮问答,交付偏结构化结果,但深度取决于任务拆解,尚无公开可核验的稳定表现数据。速度仅 3.0,自主多步执行天然耗时,首字符延迟与长任务等待是主要短板,适合「提交后离开」而非实时对话。中文 4.0,作为国内落地最完整的产品,中文理解与本土化表达基本可用。性价比 3.0,免费额度对高频使用覆盖有限,重度用户需评估订阅成本。以上均基于官网公开信息,未经实际任务压测。
- 来源记载的产品/版本
- Claude Opus 4.8
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
竞品价格与功能对比调研多源资料收集并汇总成结构化报告重复性网页操作与数据录入自动化
Cursor
2026/10/21自动生成 · 来源分析编程能力最强的 AI IDE,把 Claude Opus 4.8 + GPT-5.5 装进编辑器
3.7/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
重度编码首选,但中文体验与免费额度是短板。
基于公开信息评估:Cursor 是基于 VSCode 分支的 AI 原生 IDE,官网称其为全球使用量最大的 AI 原生 IDE,深度集成 Claude Opus/Sonnet 4.6 与 GPT-5.5,目录版本已核对至 Claude Opus 4.8。按官网口径,其 Tab 补全、多文件 Composer 与自然语言终端可端到端构建 FastAPI 项目,任务完成度给 4.5 分,属当前 coding Agent 第一梯队;输出质量 4.0 分,多文件改动仍需人工 review 兜底。短板在中文:界面与文档英文优先,中文优化仅 3.0 分;响应速度 3.5 分,Tab 补全几乎无感,但 Composer 长任务等待明显;性价比 3.5 分,Pro 约 20 美元/月,免费额度对高频使用偏紧。整体适合当主力 IDE,而非尝鲜玩具。
- 来源记载的产品/版本
- Claude Opus 4.8
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
用 Composer 从零搭建 FastAPI 项目骨架跨多个文件重构接口与数据模型在自然语言终端里执行 Git 与依赖操作
minimi
2026/10/03自动生成 · 来源分析Claude 的周边记忆助手
3.3/5
这是来源评测,不是任务实测。所列产品/版本来自资料记录,不代表实际执行的模型版本;人工发布本身也不证明亲测。实际模型、任务与日期请查看基准运行证据。
低门槛的 Claude 记忆补丁,中文与精度待验证,适合个人先试。
基于公开信息评估:minimi 是一款面向 Claude 的持久化记忆工具,核心卖点是自动捕获个人上下文并回顾历史对话与偏好,官方口径是让用户「never miss your commitments」。本次候选分:任务完成度 3.5、输出质量 3.0、响应速度 3.5、中文优化 2.5、性价比 4.0。亮点集中在性价比:以浏览器扩展或后台服务运行,无需手动管理上下文,对已用 Claude 做长期项目的用户属于低门槛补充,早期阶段功能简洁但方向明确。短板同样清晰:中文优化仅 2.5,官网没有任何中文界面、中文语料或本土化表达的证据,中文用户实际体验存疑;输出质量 3.0,记忆的准确性与召回精度缺乏公开基准,长对话中可能出现冗余或错误记忆;响应速度 3.5,无公开首字符与整体延迟数据,仅能从「后台服务」这一形态推断对前端交互影响较小。任务完成度 3.5,是因为它确实命中「跨会话记忆」这一具体痛点,但缺少团队协作、多模型支持等扩展能力。建议将其定位为 Claude 的记忆补丁,而非独立生产力套件,先用免费额度验证召回是否可靠。
- 来源记载的产品/版本
- Claude
- 核验人
- OKCodex 每日自动评测系统(公开来源与结构化场景)
在 Claude 中跨天推进同一个写作或编码项目,需要它记住既有偏好与进度让 Claude 记住个人的沟通风格与常用术语,减少每次重复交代背景日常任务与承诺提醒场景,回溯此前对话中提到的待办事项