命理年度详解
让不同模型解读同一份匿名年度命理样本，比较中文表达、命理依据、现实信号、行动建议与结构化输出稳定性。
- 匿名样本
- 1
- 模型结果
- 15
- AI 复评分
- 15
- 专题最高分
- 94
01 · Task first
你想用 AI 做什么？
先找到与你的工作相近的任务，再比较模型、成本和速度。没有直接证据时，我们会明确告诉你。
写代码与 Coding Agent
从真实软件工程、终端任务、代码库理解、成本和执行时间选择模型与 Harness。
- Claude Code
- Cursor
- 国产 Coding
中文表达与语境
观察中文产品表达、文化语境、结构化输出与可执行建议，不合成模糊的中文总分。
- 中文写作
- 文化语境
- 结构化输出
工具调用与多步骤任务
比较模型在规划、工具使用、终端执行和客户交互中的任务完成能力。
- 工具调用
- 知识工作
- 流程执行
写作与内容创作
按长文结构、风格一致性、中文表达和事实边界查找适合的模型。
- 小说
- 产品文案
- 长文改写
研究、搜索与事实核验
同时观察知识正确性、模型是否知道自己不知道，以及长上下文中的信息保真。
- 事实搜索
- 长文总结
- 来源核验
图片、视频与语音
分开查看文生图、视频和语音榜单，保留每种模态自己的评测口径。
- 图片生成
- 视频生成
- 文本转语音
02 · Evidence, not vibes
评测负责证明，任务页面负责帮你选择
模型坐标评测与第三方公开数据分开标注。当前先展示已经完成的中文原创样本，不伪造尚未运行的灯塔 Benchmark。
结果落到 Model Variant、推理档位、Provider/Harness 和测试日期。
完成率、质量、成本和速度分别呈现，不平均成全站总分。
Prompt、输出、Trace、测试规则、Judge 与限制都能被复核。
差异小于波动或数据不可比时，不为了排行榜制造唯一冠军。
03 · Decision previews
先给明确判断，再把依据展开
这些是基于现有公开数据的编辑判断，不冒充本站自测。证据日期、置信度和限制都保留在详情页。
Claude Code 哪个模型最好
只看当前公开 Agent 成绩，Claude Code 的能力首选是 Fable 5（max）；日常开发优先 Sonnet，遇到疑难调试和跨模块重构再切 Opus。这是本站基于公开 Coding Agent 快照与 Anthropic 模型选择说明给出的编辑判断，不是本站自测。Fable 5（max）当前指数 59.2，成本约 11.72 美元/任务；Sonnet 更适合作为日常默认档。
Cursor 用什么模型
不想研究模型时直接用 Cursor Auto；复杂 Agent 任务按当前公开 Cursor CLI 快照首选 GPT-5.5（medium），预算优先选 Composer 2.5。这是本站基于 Cursor 官方选择说明和同 Harness 公开快照给出的编辑判断，不是本站自测。当前快照中 GPT-5.5（medium）指数 42.8；Composer 2.5 指数 33.9、约 0.08 美元/任务。
国产模型 Coding 能力排行
当前国产 Coding 综合首选 Kimi K3；预算敏感选 DeepSeek V4 Pro；需要开放生态和私有部署时优先看 Qwen Coder 系列。这是本站基于公开数据的场景化判断，不是本站自测。当前 Agent 快照中 Kimi K3 指数 56.8；同在 Claude Code Harness 下，DeepSeek V4 Pro（high）约 0.27 美元/任务。
Recommendation contract
首选模型 + 适用条件 + 关键证据 + 主要代价 + 替代方案 + 失效条件
04 · Public evidence layer
从不同视角理解同一个模型
公开数据仍是模型坐标的底座。每种评测保留自己的对象、量纲、来源和快照，不压缩成本站权威分。
Model Intelligence模型与能力
579 个模型与变体的能力、上下文、价格和速度。
Coding Agents编码 Agent把底层模型、Agent Harness、任务成本和主动执行时间分开比较。
Capabilities专业能力医疗、法律、金融、工程、战略与经济学等公开能力视角。
Economics成本与速度价格、单任务成本、Token、生成速度、首 Token 延迟与端到端响应。
Media图像、视频与语音按模态保留 Arena Elo、质量、提示遵循和自然度等原生指标。
Countries国家与机构观察不同国家和机构的领先模型，不计算没有意义的国家平均分。
05 · Model records
模尼斯记录
有趣负责传播，协议负责可信。趣味测试独立标注，不替代严肃任务评测。
神棍指数：命理年度详解
哪个模型更像一位克制、讲依据、能给出现实建议的传统大师？
中文互联网理解
模型能否真正理解中文网络语境、隐喻、反讽和时代梗？
小说人格保持
长篇互动中，哪个模型最能保持人物设定、语气与关系连续性？
Build the evidence with us
没找到你的任务？
告诉我们下一项应该测什么、为什么值得测，以及什么结果才算完成。
提交测试任务 →