EasyLLM

三款新模型表格识别分化：小米58%居中，GPT-5.4-Mini仅53%，Nano仅11%垫底。表格识别对小模型仍是硬门槛，官方基准难预测垂直场景表现。...

GPT-5.4 Nano实现速度与成本双优化：准确率提升5.1%，耗时降85%，成本降32%。在多模型协作中定位清晰，虽中文指令遵从有所回调，但为轻量场景提供高性价比选择。...

小米发布全模态旗舰MiMo-V2-Omni，实现音视图文统一感知与行动。评测显示中文文本准确率68.6%，与前代持平，响应速度提升58%，为智能体应用提供独特方案。...

小米发布万亿参数旗舰MiMo-V2-Pro，激活42B参数，专注Agent与编程。中文评测总分67.6%，与轻量版持平；金融领域提升，响应速度提升59%，成本上涨超5倍。...

OpenAI发布轻量级GPT-5.4 Mini，专为编码与智能体设计。中文评测显示，其准确率较前代提升6.2%，响应速度飙升87%。虽成本微增，但凭借低延迟与强大编码能力，...

MiniMax发布M2.7，主打Agent能力，宣称可“自我进化”并完成软件工程。评测显示工具调用提升显著（+9.3%），在法律等领域略有回调。在SWE-Pro等测试中接近...

智谱GLM-5-Turbo评测：中文准确率71.5%，速度提升60%至52秒，成本持平。通用能力逊于头部模型，但专攻OpenClaw场景，官方ZClawBench显示其专项...

多模态表格识别评测：最高准确率仅66%，qwen3.5-plus领跑。多层表头、水印干扰、数值错误成主要痛点，真实业务场景下大模型表现仍不稳定。...

谷歌发布Gemini 3.1 Pro，评测显示其准确率达74.8%，排名第二。模型在推理、指令遵从等维度显著增强，响应时间缩短。官方测试证实其在逻辑推理、科学知识、长上下文...

本文评测GPT-5.4非推理模式中文表现：准确率61.5%排名第82，较上代提升4.6%；响应仅7秒但成本上涨47%。虽准确率不敌竞品，但作为GPT-5.4生态的轻量入口，...

OpenAI发布GPT-5.4，整合推理、编程与原生Computer Use，支持百万token上下文。评测显示中文能力显著提升，响应更快，在专业场景具生态优势，但成本效率...

OpenAI发布gpt-5.3-chat，聚焦对话实用性。准确率从56.9%跃升至70.6%，排名第20。推理与指令能力大增，但耗时与成本上升。在40-60元价位表现稳健，...

谷歌推出最轻量模型Gemini 3.1 Flash-Lite，主打极致速度与性价比。评测显示其准确率54.9%，较前代提升8%，响应时间仅12秒，成本降至3.9元/千次调用...

qwen3.5-flash评测：准确率70.8%排名第19，较前代提升6.8个百分点，成本10.4元/千次。推理与医疗能力增强。在10元档位性价比领先，作为轻量级开源模型超...

Qwen3.5-27B密集模型评测：准确率72.4%跻身中文榜单第八，成本较前代降59%。法律、推理能力提升明显，金融领域回落。作为开源模型可单卡部署，为本地化提供高性价比...

Qwen3.5-122B-A10B中文评测总分74.0%，超越前代旗舰，成本仅为竞品1/8。推理、法律领域优势明显，响应速度待优化。开源模型中排名第二，性价比突出，多模态能...

​字节跳动发布Doubao-Seed-2.0-mini，成本较上代降55%，但响应速度延长8倍。评测显示整体性能持平，Agent能力提升8.4%，语言理解下降9.3%，适合...

豆包Seed 2.0 Lite评测：总分73.9%，理科逻辑提升11.4%。引入深度推理致耗时增加，但输出价降55%，成本仅5.4元/千次，领跑10元以下档位。...

阿里发布Qwen3.5系列首款模型，采用线性注意力与MoE结合的混合架构。评测显示其准确率74.6%，较上代提升1.8%，响应速度提升73%，成本下降47%，在开源模型中位...