<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gl366的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gl366</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gl366]]></copyright><item><title><![CDATA[Codex MCP GA 实测:Qwen / GLM / Kimi / DeepSeek / MiniMax 调度 Codex 沙箱的真实成本]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/164154001</link><guid>https://blog.youkuaiyun.com/gl366/article/details/164154001</guid><author>gl366</author><pubDate>Fri, 28 Aug 2026 22:56:30 +0800</pubDate><description><![CDATA[本文实测了 Qwen / GLM / Kimi / DeepSeek / MiniMax 五个国产基座通过 Codex MCP Server GA 调度沙箱执行 ETL 的真实成本。核心结论:MiniMax-M2.7-highspeed 总成本最低(¥0.0889/次),Kimi K2.6 tool call 成功率最高(97%),DeepSeek R1 因 think token 拉高成本;sandbox 时长几乎不随基座变化(45-53s)。文章还给出了路由策略、监控指标、账单熔断等生产实践]]></description><category></category></item><item><title><![CDATA[Codex 双层记忆屠夫:5 国产基座实测]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/164153985</link><guid>https://blog.youkuaiyun.com/gl366/article/details/164153985</guid><author>gl366</author><pubDate>Fri, 28 Aug 2026 22:53:50 +0800</pubDate><description><![CDATA[本文实测 5 款国产大模型基座(Qwen / DeepSeek / MiMo / ERNIE / SparkDesk)对 Codex 双层记忆架构的适配度。Codex 双层记忆由 32KiB 静态指令层(`AGENTS.md`)与 6h 异步压缩的动态摘要层(`~/.codex/memories/`)构成,跨 session 靠 snapshot 拉起。实测结论:mimo-v2.5-pro 生态贴合最深(工具调用准确率 96%),SparkDesk-v3.5 长记忆最稳(7 天快照可回放)]]></description><category></category></item><item><title><![CDATA[编程基座验收屠夫榜:5 模型 6 维]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/164127037</link><guid>https://blog.youkuaiyun.com/gl366/article/details/164127037</guid><author>gl366</author><pubDate>Thu, 27 Aug 2026 23:56:51 +0800</pubDate><description><![CDATA[本文基于 2026 年 Q3 的实测数据,对 Claude Opus 4.7、Qwen Coder 三件套、Kimi K2.7-code 共 5 个代码大模型进行 6 维工程验收横评(首次通过率、修复次数、人工改行数、覆盖率、回归缺陷、可合并耗时)。结果显示:Claude Opus 4.7 综合分 8.6 居首,测试闭环最贴近工程交付;Qwen 480B MoE 以 7.4 分成为国产天花板,扛大上下文最稳;Kimi K2.7-code 性价比突出。文章不仅给出数据,还总结了各模型的"翻车场景"]]></description><category></category></item><item><title><![CDATA[Cursor 3 + Claude Opus 4.8 屠榜:5 编程基座 IDE 卡位]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/164098890</link><guid>https://blog.youkuaiyun.com/gl366/article/details/164098890</guid><author>gl366</author><pubDate>Wed, 26 Aug 2026 23:51:50 +0800</pubDate><description><![CDATA[2026 年 Q3，编程 IDE 的竞争焦点已从"模型智能"转向"Agent 流水线编排"。本文基于 Cursor 3.11 的 Agents Window（Side Chats / Router Auto / Cloud Agents 3x Faster），通过炻光 AI 接入管理平台统一接入 5 个编程基座（Claude Opus 4.8、qwen3.5-plus、qwen3-coder-480b-a35b-instruct、mimo-v2.5、ERNIE-4.0-8K）]]></description><category></category></item><item><title><![CDATA[Cursor Side Chats 启发:5 国产基座 IDE 旁路调度]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/164098884</link><guid>https://blog.youkuaiyun.com/gl366/article/details/164098884</guid><author>gl366</author><pubDate>Wed, 26 Aug 2026 23:50:45 +0800</pubDate><description><![CDATA[本文实测了 5 个国产旗舰基座(Qwen / GLM / Kimi / 豆包 / MiniMax)在 IDE 旁路对话(Side Chat)场景下的成本与效果。通过把 Side Chat 这类短上下文、高频次、低优先级的对话路由到国产便宜模型,月度 token 账单可降低 70% 以上,单次对话成本从海外旗舰的 ¥0.240 降到国产最低的 ¥0.008。文章给出了完整的价格梯度对比、4 类不建议切换的场景、任务分级 + 故障降级的生产级路由方案,以及一份可复制即跑的 Python 旁路路由器代码。]]></description><category></category></item><item><title><![CDATA[Codex Agent OS 屠夫榜:CLI 多会话调度 5 基座]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/164035147</link><guid>https://blog.youkuaiyun.com/gl366/article/details/164035147</guid><author>gl366</author><pubDate>Mon, 24 Aug 2026 23:30:05 +0800</pubDate><description><![CDATA[本文实测对比 5 个编程旗舰模型(GPT-5.5、Claude Sonnet 5、DeepSeek V3.2、Qwen3 Coder Plus、MiMo V2.5 Pro)在 CLI 多会话调度场景下的能力。围绕子 Agent 注册、任务队列、跨会话交接、doctor 诊断、统一仪表盘五个维度横向打分,给出生产环境的路由策略、监控埋点与容灾方案,并附一份可复制即跑的 Python 多会话编排示例。结论:GPT-5.5 调度能力最完整,国产基座单会话能力已追平但调度底座仍落后一代,统一接入层是多基座混部的关键]]></description><category></category></item><item><title><![CDATA[GPT-5.6 Luna 降 80%:5 编程基座屠夫]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/164035122</link><guid>https://blog.youkuaiyun.com/gl366/article/details/164035122</guid><author>gl366</author><pubDate>Mon, 24 Aug 2026 23:26:34 +0800</pubDate><description><![CDATA[GPT-5.6 Luna 将输入/输出价格直降 80%,把并行 Agent 调度的边际成本彻底打了下来。本文横评 Claude Opus 4-7、Qwen3.7-Max、Kimi K3、MiniMax M3、DeepSeek V4 Pro 五款编程旗舰的 token 单价与首字延迟,给出「规划用旗舰、执行用中端、试探用平价」的三段式路由策略,并附一份可复制的多模型调度器代码,覆盖任务分级、成本熔断与自动 fallback。]]></description><category></category></item><item><title><![CDATA[Agent 兑现时刻:5 跨厂商基座 ROI 屠夫榜]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/164004450</link><guid>https://blog.youkuaiyun.com/gl366/article/details/164004450</guid><author>gl366</author><pubDate>Sun, 23 Aug 2026 23:47:12 +0800</pubDate><description><![CDATA[本文基于 2026 年 7 月实测数据，对 Qwen3.7-Plus、GLM-5.2、Kimi-K2.7-Code、MiMo-V2-Pro、Claude-Fable-5 五个跨厂商 Agent 基座进行 ROI 横评。通过工具调用成功率、单任务 token 效率、长链路稳定性三个硬指标，形成"屠夫榜"排名，并给出生产环境路由策略、容灾方案及统一接入代码示例。核心结论：Agent 已进入兑现时刻，选型应聚焦实际业务 ROI 而非 benchmark 分数，同时需避免在不适合的场景强行使用 Agent。]]></description><category></category></item><item><title><![CDATA[央国企Agent抢跑:5基座价格屠夫榜]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/164004436</link><guid>https://blog.youkuaiyun.com/gl366/article/details/164004436</guid><author>gl366</author><pubDate>Sun, 23 Aug 2026 23:44:22 +0800</pubDate><description><![CDATA[本文针对央国企 Agent 基座选型场景，横向评测了 Qwen3.6-Max、ERNIE-3.5-8K、DeepSeek-R1、豆包 Seed-Evolving、MiniMax-M2.7 五款主流模型。基于 2026 年 7 月公开价格与实测数据，提出"单位任务成本 = (输入输出 token 成本) / 任务成功率"的选型公式，并给出三级路由、监控、容灾的生产环境实战方案。关键结论：ERNIE-3.5-8K 与豆包 Seed-Evolving 是价格屠夫（¥0.8/¥2.0），适合高并发客服场景；]]></description><category></category></item><item><title><![CDATA[1M 上下文 0.10 入场:5 模型长文档屠夫榜]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163982467</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163982467</guid><author>gl366</author><pubDate>Sat, 22 Aug 2026 23:59:12 +0800</pubDate><description><![CDATA[本文针对2026年Q3长文档处理场景，对比分析了5款支持1M上下文的AI模型（DeepSeek-V4-Flash、Kimi-K2.5、GLM-5.1、Qwen3.6-Max-Preview、Claude-Sonnet-4-6）在成本、性能和适用场景上的表现。文章通过实际案例（21万字合同处理）展示了1M上下文直灌相比传统RAG切片方案的成本优势（从50美元降至0.02美元），详细介绍了各模型的定价策略、延迟表现和适用场景，并提供了生产环境的路由策略、容灾方案和监控指标。最后给出了完整的代码实现和调优建议，帮]]></description><category></category></item><item><title><![CDATA[Qwen3.8-27B 屠榜:Q4 tool calling]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163982389</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163982389</guid><author>gl366</author><pubDate>Sat, 22 Aug 2026 23:49:28 +0800</pubDate><description><![CDATA[本文探讨了Qwen3.8-27B Q4_K_M量化版在本地视觉工具调用中的应用潜力。2026年Q3，随着多模态GGUF支持和量化技术进步，27B规模的视觉语言模型已能在RTX 4090（16GB显存）上实现1.2秒延迟的端到端视觉任务处理，包括图像理解、工具调用和结果生成。 成本对比显示，本地部署单次调用成本仅¥0.031，远低于主流云端视觉API（Gemini 3.1 Flash Image ¥0.18/次，GPT-Image-2 ¥2.40/次）。当月调用量>5000次时，本地方案更具经济性。]]></description><category></category></item><item><title><![CDATA[Qwen3.8-27B 上线:5 视觉基座对比]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163958217</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163958217</guid><author>gl366</author><pubDate>Fri, 21 Aug 2026 23:56:35 +0800</pubDate><description><![CDATA[本文基于2026年7月的实测数据，对比了6个主流视觉基座模型（Qwen3.8-27B本地版、qwen3-vl-32b-thinking、qwen3.5-plus、claude-opus-4-8、kimi-k2.6、ERNIE-4.0-8K）在视觉理解和Tool Calling任务上的表现。测试涵盖300张样图（CT切片、UI截图、发票OCR、菜谱理解、代码截图各60张）和20个Tool Calling任务。]]></description><category></category></item><item><title><![CDATA[Agent 78%→14%:5个8月还能跑通框架的基座屠夫榜]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163927616</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163927616</guid><author>gl366</author><pubDate>Thu, 20 Aug 2026 23:07:09 +0800</pubDate><description><![CDATA[本文针对LLM基座选型在Agent落地中的关键问题，分析了5个2026年8月仍可稳定运行的模型组合。核心发现包括： 现状痛点：78%的Agent项目止步于demo阶段，仅14%真正落地，核心问题在于工具调用的幂等性和代码理解能力不足。 精选模型组合： 代码专用：Qwen3-Coder-Flash（片段级）、Qwen3-Coder-Plus（项目级） 通用基座：Claude Sonnet 5（代码/对话双强） 工具专用：SparkDesk v1.1（性价比）、ERNIE-Functions-8K（高稳定） ]]></description><category></category></item><item><title><![CDATA[Agent 工具调用:5 国产非旗舰屠夫]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163927610</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163927610</guid><author>gl366</author><pubDate>Thu, 20 Aug 2026 23:04:06 +0800</pubDate><description><![CDATA[本文针对国产非旗舰模型在Agent工具调用场景下的成本效益进行了实测分析，重点关注百度ERNIE-Tiny/Lite、讯飞SparkDesk、小米MiMo和阿里Qwen Coder五款模型。测试数据显示，轻量级工具调用场景下，6B级小模型与旗舰模型的成功率差距仅5-7%，但成本可降低8-57倍（如ERNIE-Tiny单次会话成本仅0.00032元）。文章提出了分级路由、工具描述压缩、失败回退等5项优化策略，并指出非旗舰模型适用于工具数≤8、无复杂嵌套的标准化场景。]]></description><category></category></item><item><title><![CDATA[微软 MAF 5 步法:5 国产基座屠夫]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163927569</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163927569</guid><author>gl366</author><pubDate>Thu, 20 Aug 2026 23:03:01 +0800</pubDate><description><![CDATA[本文介绍了微软 MAF（Microsoft Agent Framework）框架如何适配国产大模型基座（Qwen3-Max、Kimi-K3、MiMo-V2.5、MiniMax-M3、ERNIE-4.0-8K）的实践经验。文章首先分析了MAF作为AutoGen与Semantic Kernel合并产物的技术架构，重点阐述了5个核心对象（Agent、Thread、Tool、Workflow、Process）的设计优势。随后通过实测数据对比了各国产模型在价格、延迟、工具调用等方面的表现差异，并提出了基于MAF的5步]]></description><category></category></item><item><title><![CDATA[CherryStudio 配 Claude MCP 中转:在国内把 Anthropic Sonnet/Opus/Haiku 工具调用跑起来的完整流程]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163896775</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163896775</guid><author>gl366</author><pubDate>Wed, 19 Aug 2026 23:53:54 +0800</pubDate><description><![CDATA[文章摘要 本文详细介绍了如何在CherryStudio中配置Claude MCP中转服务，实现Sonnet/Opus/Haiku模型的稳定工具调用。主要内容包括： 背景：2026年Q3后，Claude模型在代码理解和长文档处理方面变得不可或缺，但官方接口网络不稳定，尤其是工具调用场景。 技术架构： CherryStudio作为本地客户端 MCP协议实现外部工具调用 通过selltoken.top等中转站解决网络问题 模型选择： Haiku：轻量任务，价格最低 Sonnet：主力模型，性价比高 Opus]]></description><category></category></item><item><title><![CDATA[MCP v0.7 vs A2A:5 旗舰双协议适配]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163834472</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163834472</guid><author>gl366</author><pubDate>Mon, 17 Aug 2026 23:30:19 +0800</pubDate><description><![CDATA[本文对比了MCP v0.7和A2A两种AI协议在5大旗舰模型（Claude/Qwen/GLM/Kimi/豆包）上的适配表现。测试显示，MCP v0.7在单工具调用场景下延迟更低（200ms级），而A2A在多Agent协同任务中更具优势但延迟较高（400ms+）。Claude原生支持MCP接入最快（0.5h），其他模型需1-2h；A2A接入工时普遍是MCP的1.5-2倍。作者建议纯工具场景用MCP，多Agent协同用A2A，并分享了生产级路由策略和监控方案。]]></description><category></category></item><item><title><![CDATA[Agent Loop 拆解:5 基座屠夫榜]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163834458</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163834458</guid><author>gl366</author><pubDate>Mon, 17 Aug 2026 23:28:55 +0800</pubDate><description><![CDATA[本文对2026年五大主流AI基座模型（Claude、GPT、DeepSeek、Kimi、讯飞星火）在Agent Loop场景下的表现进行了横向对比测试。研究发现，模型性能差异主要体现在协议适配成本、循环收敛能力和价格三个方面：Claude和GPT协议成熟但价格昂贵，DeepSeek性价比最高；讯飞星火适配成本最高且易死循环，Kimi存在长上下文截断问题。文章提出了三层路由策略和熔断机制的生产级解决方案，并提供了统一的OpenAI兼容协议实现代码。测试结果表明，在Agent应用中，基座的稳定性比单纯的知识能力]]></description><category></category></item><item><title><![CDATA[上下文工程屠夫:128K+ 5 旗舰包成本梯度]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163784818</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163784818</guid><author>gl366</author><pubDate>Sat, 15 Aug 2026 23:56:02 +0800</pubDate><description><![CDATA[本文针对128K+长上下文场景下的AI模型优化，提出了"上下文包"动态注入策略，通过实测对比了Claude Opus、Qwen3.6、DeepSeek V3.2等五款旗舰模型在不同包大小（1K/12K）下的性能表现。测试数据显示，Claude在命中率（78%）上表现最优但成本最高，而DeepSeek和MiniMax则展现出20倍以上的成本优势。文章揭示了包大小与命中率的反比关系，并给出了三种不适合使用上下文包的场景（小包、高频变动、强相关内容）。最后提供了生产环境中的路由策略、监控指标和容灾方案]]></description><category></category></item><item><title><![CDATA[Agent harness 复现率 28%:5 基座 harness 屠夫榜]]></title><link>https://blog.youkuaiyun.com/gl366/article/details/163784809</link><guid>https://blog.youkuaiyun.com/gl366/article/details/163784809</guid><author>gl366</author><pubDate>Sat, 15 Aug 2026 23:55:13 +0800</pubDate><description><![CDATA[本文对2026年Q3主流AI基座在Agent评测链路中的适配性进行横评对比。测试聚焦工具调用合规性、多轮状态保持等核心指标，发现仅有28%的公开评测脚本能在第三方模型上原样跑通。Claude Opus 4.7以97%的通过率高居榜首但价格昂贵，Qwen3.7-Plus以95%通过率成为性价比最优选。研究同时揭示了各基座的场景短板：如DeepSeek-V3.2在多跳QA场景掉链率达29%，ERNIE-4.0-8K在长代码任务中因上下文限制表现不佳。]]></description><category></category></item></channel></rss>