AI MODEL · 横评实测 2026.07
干活必须上最好的模型？
四大国产模型 同题竞技
谁合适，谁就上
PPT · 信息图 · 公众号排版 · 长文润色 · 四轮实测
百度千帆 Token Plan · 实测
OPENCODE SKILL
大家好啊，我是等待 WAIC 开幕的甲木，
人已经到上海两天了，准备迎接 WAIC 开幕，这次规模非常大，大会的票前两周就被抢光了……这次依旧我们去年的传统，会给大家带来「机器人的探展直播」。
再来回答一下大家关心的问题，前段时间不是开源了「公众号排版 Skill」，三天 2.1k Star，大家的反馈还是可以的。
但是也有很多朋友好奇，国内的模型跑出来效果怎么样，以及最近模型更新很快。今天这个刷榜，明天那个升级。
可真轮到自己干活，真的有必要上最好的模型吗？
为了验证这个问题，我把我最近主要的几个需求，用百度千帆 Token Plan 里的 DeepSeek-V4-Pro、GLM-5.2、Kimi-K2.6 和 ERNIE 5.1 轮番跑了PPT、HTML 信息图、公众号排版和写作四轮任务。
再用 Codex 进行评估。
这一跑就是一整晚，还把我Codex 的周限额也烧完了。还好今天早上额度重置，不然这篇可能真要卡在这里了 = =
先来说结论：
DeepSeek
数据密集、需要把逻辑压紧的任务，可以先试
GLM
强调结构和边界的任务，可以试
Kimi
长文和视觉表达，可以试
ERNIE
中文语境下的表达交付，也可以试
对了，简单介绍一下百度千帆 Token Plan，它是一个面向个人开发者的多模型订阅计划。
以我这次用的 Pro 档为例，200 元一个月，包含 2.3 亿 Tokens。多款主流国产模型，共用这一份额度。
— 支持的主流模型
现在模型能力上来了，再叠加Skill 的硬约束，很多模型其实都能做得不错。
好，我们直接看实战场景，拿结果说话。
以下几个场景为了方便，我直接用 OpenCode Agent 叠加百度千帆 Token Plan 计划来跑，多模型切换极其方便。
4 Parts + Conclusion
滑动
PART 01
PPT 实测
同题四种讲法
PART 02
HTML 图
风格统一个性在
PART 03
公众号排版
差距缩得很快
PART 04
公众号写作
比事实比修改量
PART ///
选模型只看三点
01
PART
PPT：同一份材料，四种讲法
PPT BATTLE · ROUND 01
第一轮，测 PPT。
藏师傅的 PPT Skill 爆火，而且PPT 永远是打工人逃不过的槛，
譬如我现在要给老板做汇报，我会直接调用guizang-pptSkill，让它生成一份可以继续修改的 html。既方便演示，又美观。
我直接输入同一份 prompt，
— OpenCode 中同一份任务的 prompt
然后接入百度千帆里面的不同模型，我们来看看四个模型生成的封面和数据页。
— OpenCode 模型接入百度千帆 Token Plan
先看封面：
— PPT 封面四种模型效果
再看数据页：
乍一看都挺像那么回事，排版也符合 Skill 规范。但仔细看，你会发现它们讲故事的习惯很不一样。
DeepSeek-V4-Pro 的页面秩序更规整，标题、层级和节奏都稳。
Kimi-K2.6 和 GLM-5.2 很相似，都喜欢把信息压紧，数字和结论挨得很近，比较适合业务分析和复盘。
ERNIE 5.1 则绘制了一个矩形图。该有的数据页、流程页和结论页都在，还挺有设计感。
如果只问谁“会不会做 PPT”，这轮分不出高下。
02
PART
HTML 信息图：风格被统一了，个性还在
SOCIAL CARD · ROUND 02
第二轮再来试试藏师傅的社交信息卡片的效果，小红书、小绿书的贴图神器，
直接调用guizang-social-cardSkill。
要求是生成 6 张 HTML 信息卡，再做一组公众号封面。所有页面统一使用Swiss Style 和 IKB 克莱因蓝，不联网找图，也不用 AI 生图，只靠文字和排版完成。
— OpenCode 中同一份任务的 prompt
来看看生成的效果：
— 信息图封面
— 信息图检查页
这一轮最直观的感受，是——
Skill 的强约束真的能把风格拉到同一条线上
网格、配色、标题层级都被 Skill 固定住了，模型没有太多乱发挥的空间。差异留在更细的地方：有人偏几何秩序，有人更在意阅读路径，也有人会把标题和组件做得更饱满。
跟上轮测试一样，Kimi-K2.6 很喜欢做对比，ERNIE 5.1 则又开始绘制图表。
这其实很像给四位设计师发了同一套瑞幸咖啡的品牌手册。最后的作品可能各有千秋，但都遵循了一样的品牌风格，让人看的出来是什么牌子。
03
PART
公众号排版：差距缩得比我想象中快
GZH DESIGN · ROUND 03
第三轮，就是我跟小李一起合作开源的公众号排版 Skill，这个 Skill 是把同一篇文章交给四个模型。
标题区、引用、分节、重点标注和总结组件都要做，最后还得输出一份可以复制进公众号继续编辑的 HTML。
这里其实不用这么复杂的 prompt，直接说一句用摸鱼绿风格帮我把XX文章进行排版就可以了……
先看 DeepSeek 和 GLM：
再看 Kimi 和 ERNIE：
乍一看，基本看不出任何差异是不是？
拿掉模型名，让我只看成品，我未必能一眼猜出分别是谁做的，都很美观。
字号、间距、组件、兼容性和复制效果，过去都要靠模型临场发挥。
现在 Skill 把它们写成了规则，模型只需要在边界内组织内容。
说白了，Skill 先把最容易翻车的地方管住了，这个时候模型之间的差异就很小了。
所以，gzh-design还是基本适配国内所有模型的，欢迎大家使用！
04
PART
公众号写作：别截金句，要看同一段怎么改
HUMANIZER · ROUND 04
之前很多人说 AI 生成的内容 AI 味儿比较浓，
这里我们来试试不同模型的语言表述，不比辞藻，比事实和修改量。
最后一轮，我用Humanizer-zhSkill 做公众号长文润色。
原稿还是那份 6 周工作流案例，有固定事实、固定数字，也写清了能力边界。
四个模型都要在不改事实的前提下，把空话、套话和 AI 味清掉。
再看看能力边界段，
在写作方面上，就可以看出不同模型的区别。
DeepSeek 会主动加判断，句子更硬
GLM 会把因果和边界解释清楚，收束得比较稳
Kimi 读起来顺，面向普通读者时比较亲和
ERNIE 倾向把事情交代完整，结尾会落到具体动作上
但是四个模型都有不同程度的 AI 味，
写作这件事，模型们属于是越发展越退步了……
很长一段时间还是得依赖人类的品味和判断。
LAST
CONCLUSION · HOW TO CHOOSE
其实大家也能从这四个任务里面看出来，在涉及到这种编码场景的情况下，所有的 AI 模型当前都完成得差不多。
我们会发现，整个国产模型当前完成的一些效果也都是比较良好的。
在 Skill 有强约束的情况下，很多模型都可以很好的交付结果
没必要用高射炮打蚊子
它们当然还有差异。只是这种差异越来越像分工，而不是“一台能干活，另外三台不行”。
我现在选模型，只看三点：
能力
模型的能力边界
价格
是否跟能力匹配
交付
能否稳定按 Skill 交付
这也是 TokenPlan 的实际价值。
同一个计划里能切换多种模型，写作、排版、PPT 和视觉任务不用绑死在一家模型上，谁适合当前任务，就让谁上。
顺带一提，百度千帆TokenPlan还挺稳的。这个批量测试我从晚上 8 点开始，整晚没有遇到中断。跑完这一大轮，后台用量大约消耗了 8%。
— 非常耐用！
我买的，不只是更多 Token。
是需要干活时，能从同一个模型池里挑到合适的那个，少排队、少重试，别让工具把自己的工作心流打断。
以上。
我是甲木，热衷于分享一些 AI 干货内容，同时也会分享 AI 在各行业的落地应用。
如果你觉得今天这篇有收获，随手点个赞、在看、转发三连吧，我们下期再见。
转发
THANKS FOR READING
