// Review
AI 测评
聚合小红书与知乎上 AI 工具、Agent、开源项目体验帖，保留原平台链接方便回看上下文。
测评榜单
样例榜单，非爬虫统计结果种草榜
Claude Code 工作流
适合代码阅读、重构和长任务拆解的正向样例
本地知识库 RAG
团队资料沉淀后复用价值高，适合先小范围试点
避雷榜
无来源的一键爆款工具
缺少真实案例和可验证数据，先谨慎试用
强绑定私域的 Agent 套壳
能力边界不清，迁移成本高，建议先看退出机制
测评卡片
小红书 / 知乎中国在 GPT/LLM 大模型上是否已经实现了弯道超车？
这个问题真是一言难尽啊！ 还是谈一下现状吧。中国的大模型公司与美国的大模型公司其实在数量上可能中国更多一些吧。 美国的
小白搭建了人生第一个Agent
感谢Claude，真是一步一步教会我的[偷笑R]调了一天终于调通了 输入客户数据，就可以生成六页word版的报告，可以给公司省下半个人力了吧
华为盘古大模型被指出抄袭阿里Qwen大模型是怎么回事？
7月5日，针对盘古Pro MoE模型被质疑套壳阿里通义千问Qwen-2.5的争议，华为诺亚方舟实验室发布声明称，该模型是基于昇腾硬件平台开发、训练的基础大模型，非基于其他厂商模型增量训练，并强调其创新了全球首个面向昇腾硬件的分组混合专家（MoGE）架构，解决分布式训练负载均衡难题，提升训练效率。此前，GitHub研究指出盘古Pro MoE与Qwen-2.5的注意力参数分布高度相似（平均相关性0.927），代码文件含阿里版权声明，引发“非独立开发”质疑。华为回应称，部分基础组件代码参考了业界开源实践，严格遵循开源协议并标注版权，符合开源协作精神。目前，涉事GitHub库已删除，阿里方面暂未回应。业内指出，此次争议暴露AI大模型开源定义模糊、协议规则待完善等问题，如何界定开源模型边界、推动健康有序发展仍是行业关键课题。据悉，盘古大模型已落地30余行业、400余场景，覆盖政务、金融、制造等领域。华为回应盘古ProMoE抄袭质疑：基于昇腾平台开发，合规引用开源组件
如何评价杨立昆认为大模型只是对海量文本的模式进行复杂拟合，根本不懂意义？
LeCun新作反杀AGI派！AI连「鸟」都搞不懂，拿什么超越人类？-36氪LLM追求的是极致的统计压缩，而人类追求适应性语义丰富。如果 LLM 只是通过强大的记忆和存储能力表现出类似人类只能的东西，相当于只知其然不知其所以然，那么 LLM 实现 AGI 是否还有戏？
国内AI大模型已近80个，哪个最有前途？
找个有前途的关注，如果开源，就尝试用着，免得落后。
2026年，中美大模型的差距会变大还是变小？
大佬们说说？
大模型测试的下半场
但要清楚自己在补的是不是长尾。 如果你在做 模型本身：Agent 时代的强模型，不再是”什么都会”的模型，而是”知道什么时候该做什么”的模型
大模型的理论基础中，有哪些令人惊叹的数学工具或关键研究？
近年来，大语言模型在自然语言处理、代码生成等领域取得突破，其背后离不开深厚的数学支撑。无论是模型架构、训练优化，还是理论解释，数学都扮演着核心角色。希望探讨的方向：关键数学分支的应用：线性代数、概率论、信息论、优化理论、微分几何等如何具体应用于大模型的设计与训练中？ 有没有一些“高阶数学工具”（如流形学习、表示论、随机矩阵理论等）在模型理论分析中发挥了意想不到的作用？具体技术与技巧：例如，注意力机制中的矩阵运算与稀疏化处理、位置编码与傅里叶变换的关联、优化器中自适应学习率的数学原理等。 在模型缩放律、泛化理论、分布外鲁棒性等理论研究中，有哪些精妙的数学推导或证明令人印象深刻？跨学科研究的启发：是否有来自其他领域（如统计物理、动力系统、微分方程）的数学方法，被成功迁移到大模型的理论探索中？ 在可解释性、模型编辑、知识溯源等方向，数学提供了哪些新的分析框架？欢迎从理论、应用、前沿研究等任意角度分享，期待大家结合具体论文、公式或案例展开讨论！
纺纱机烧掉了三代人，大模型呢
单独局部的看，纺纱机让他效率提高了几十倍，这是不是跟大模型技术一样呢。 现在算力有的用，人就不能歇着，和以前不也是一样
有没有一种可能，现在的大语言模型已经发展得接近极限了？
现在越来越觉得大语言模型好像也就那么回事。除了检索东西方便点，其他的我感觉都是套路，还是没有任何的人性、人味道。是不是现在的大语言模型除了速度、上下文长度之外，基本上也快抵达极限了？大语言模型很可能不是通往 AGI 的那条路。
为什么说大模型训练很难？
自从Bert网络模型产数量超过3亿规模，当时候只是觉得性能好，没想到GPT系列出来后，GPT-3直接用170B规模的参数量模型精度碾压竞品。接着就是新一轮的竞争了，后面的事情就有点可怕了，Google推出万亿稀疏switch transformer，huawei推出2000亿稠密鹏程盘古大模型，微软推出Turing-NLG有1000亿参数，英伟达推出MegatronLM系列。大家都说大模型难，大模型训练除了集群调度麻烦，还难在哪里吗？
大模型开源会不会变成给闭源做嫁衣?
利用自身的算力优势，吸取开源的某些优势思路完善自己的闭源模型，使自己更有竞争力。