官网
https://www.waytoagi.com/zh
「通往 AGI 之路」知识库
https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e
标签：#AI #知识付费
特朗普宣布将全球关税从 10% 提升至 15%
美国总统特朗普 2 月 21 日在 Truth Social 发文宣布，将立即把对多国征收的 10% 全球关税提升至 15%。特朗普在声明中称，此举是基于对最高法院昨日发布的关税决定进行"彻底审查"后作出的决定。
特朗普表示，特朗普政府将在未来几个月内确定并发布新的合法关税政策。他在声明中批评许多国家"数十年来一直在占美国便宜"，并称关税政策将继续推进"让美国再次伟大"的进程。
Donald J. Trump
🍀在花频道 🍵茶馆聊天 📮投稿
美国总统特朗普 2 月 21 日在 Truth Social 发文宣布，将立即把对多国征收的 10% 全球关税提升至 15%。特朗普在声明中称，此举是基于对最高法院昨日发布的关税决定进行"彻底审查"后作出的决定。
特朗普表示，特朗普政府将在未来几个月内确定并发布新的合法关税政策。他在声明中批评许多国家"数十年来一直在占美国便宜"，并称关税政策将继续推进"让美国再次伟大"的进程。
Donald J. Trump
🍀在花频道 🍵茶馆聊天 📮投稿
SerpApi 申请驳回 Google 版权诉讼并称其为全球最大抓取者
SerpApi 于 2026 年 2 月 20 日提交动议，请求驳回 Google 针对其大规模抓取搜索结果的版权诉讼。Google 此前指控该公司利用欺骗手段绕过 SearchGuard 防护系统并违反版权法。SerpApi 反驳称 Google 自身是全球最大的抓取工具，且其搜索结果并不享有版权。
该公司表示其抓取并整合公开信息的行为与 Google 搜索引擎的运作逻辑完全一致。针对绕过防护系统的指控，SerpApi 主张 SearchGuard 仅为保护商业利益而非授权内容。目前双方就搜索结果的版权归属及抓取行为的合法性各执一词。
The Verge
🍀在花频道 🍵茶馆聊天 📮投稿
SerpApi 于 2026 年 2 月 20 日提交动议，请求驳回 Google 针对其大规模抓取搜索结果的版权诉讼。Google 此前指控该公司利用欺骗手段绕过 SearchGuard 防护系统并违反版权法。SerpApi 反驳称 Google 自身是全球最大的抓取工具，且其搜索结果并不享有版权。
该公司表示其抓取并整合公开信息的行为与 Google 搜索引擎的运作逻辑完全一致。针对绕过防护系统的指控，SerpApi 主张 SearchGuard 仅为保护商业利益而非授权内容。目前双方就搜索结果的版权归属及抓取行为的合法性各执一词。
The Verge
🍀在花频道 🍵茶馆聊天 📮投稿
亚马逊云服务曾因 AI 编程工具故障致两度中断
Amazon Web Services（AWS）在近几个月内因自家 AI 编程工具错误导致至少两次服务中断。去年 12 月，AWS 一套客户成本分析系统因工程师允许 Kiro AI 编程工具自主操作而中断 13 小时，因该工具判断最佳解决方案是"删除并重建环境"。亚马逊回应称这是"用户错误而非 AI 错误"，12 月事件仅影响中国大陆部分地区的单一服务。
AWS 占亚马逊营业利润的 60%，正大力推广包括"智能体"在内能根据指令独立操作的 AI 工具。12 月事件后，亚马逊实施强制同行评审和员工培训等多项安全措施，意图防止类似事故再次发生。
Financial Times
🍀在花频道 🍵茶馆聊天 📮投稿
Amazon Web Services（AWS）在近几个月内因自家 AI 编程工具错误导致至少两次服务中断。去年 12 月，AWS 一套客户成本分析系统因工程师允许 Kiro AI 编程工具自主操作而中断 13 小时，因该工具判断最佳解决方案是"删除并重建环境"。亚马逊回应称这是"用户错误而非 AI 错误"，12 月事件仅影响中国大陆部分地区的单一服务。
AWS 占亚马逊营业利润的 60%，正大力推广包括"智能体"在内能根据指令独立操作的 AI 工具。12 月事件后，亚马逊实施强制同行评审和员工培训等多项安全措施，意图防止类似事故再次发生。
Financial Times
🍀在花频道 🍵茶馆聊天 📮投稿
https://www.newmobilelife.com/2026/02/21/anthropic-ai-security-cybersecurity-stocks/
OpenAI 与 Paradigm 联合发布 EVMbench，这是一个专门评估 AI 代理检测、修补和利用智能合约漏洞能力的基准测试。该测试基于来自 40 次审计的 120 个精选漏洞，大部分源自开源代码审计竞赛，并包含来自 Tempo 区块链安全审计过程的多个漏洞场景。
测试涵盖三种能力模式：检测模式要求代理审计智能合约并识别已知漏洞；修补模式要求在保持功能完整性的同时消除可利用性；利用模式则要求在沙盒区块链环境中执行端到端的资金提取攻击。在利用模式中，GPT-5.3-Codex 通过 Codex CLI 运行取得 72.2% 的成绩，相比六个月前发布的 GPT-5 的 31.9% 有显著提升。OpenAI 同时宣布投入 1000 万美元 API 积分，通过网络安全资助计划加速网络防御能力建设。
OpenAI
🍀在花频道 🍵茶馆聊天 📮投稿
所以你真正該問的問題只有一個：「我的一個小時值多少錢？」如果你是開發者、是創作者、是任何用時間換錢的人，請認真算這筆帳。用便宜模型省下的 API 費用，可能還不到你多花的時間值的十分之一。
⸻
#我的模型分層策略
基於目前的測試結果，我暫時是這樣分配的：
日常快速回覆：Grok 4.1 Fast。速度快、價格低、品質堪用，適合處理不需要太高智商的日常任務。
需要深度思考的任務：看情況切回 Sonnet 4.5，或者等 DeepSeek V3.2 速度改善後再考慮。有些任務就是需要聰明的腦子，這上面不能省。
最頂級的任務：Claude Sonnet 4.5，甚至 Opus。寫長文、做複雜分析、處理需要高度理解力的工作，頂級模型的品質差距在這些場景最明顯。
核心邏輯就是：用任務的重要程度來決定用哪個等級的模型，而不是一刀切只用最便宜或最貴的。
⸻
#給同樣在找替代方案的人的建議
如果你也在考慮從頂級模型往下探索便宜的替代方案，以下是我的幾個建議：
第一，先想清楚你的時間值多少錢。這是所有決策的起點。如果你的時間很值錢，省 API 費用的同時浪費大量時間來引導模型，是一筆虧本的買賣。
第二，Benchmark 分數不等於實際使用體驗。MiniMax M2.5 的跑分看起來不錯，但實際用起來跟頂級模型差很遠。別被數字騙了，自己試過才知道。
第三，不要期待一個模型通吃所有場景。這是我目前最大的心得。不同等級的模型適合不同的任務，學會分層使用才是最有效率的策略。
第四，如果只能試一個，先試 Grok 4.1 Fast。以 Budget 等級來說，它目前是我測過最均衡的選項。速度、價格、品質三個維度都有一定水準。
我還在持續測試更多模型，之後有新的發現會再更新。對了，已經有大神問我 Qwen3 Coder Next 測過了沒，還有最近剛推出自家 Claw 的 MoonshotAI Kimi K2.5 我也還沒試。下一步可能會接著測測看這兩個，目前就先用 Sonnet 4.5 跟 Grok 4.1 Fast 撐著，等有新心得再來更新。
#OpenRouter #OpenClaw #AIAgent #Claude #Grok #DeepSeek #LLM #模型比較 #AI助理
⸻
#我的模型分層策略
基於目前的測試結果，我暫時是這樣分配的：
日常快速回覆：Grok 4.1 Fast。速度快、價格低、品質堪用，適合處理不需要太高智商的日常任務。
需要深度思考的任務：看情況切回 Sonnet 4.5，或者等 DeepSeek V3.2 速度改善後再考慮。有些任務就是需要聰明的腦子，這上面不能省。
最頂級的任務：Claude Sonnet 4.5，甚至 Opus。寫長文、做複雜分析、處理需要高度理解力的工作，頂級模型的品質差距在這些場景最明顯。
核心邏輯就是：用任務的重要程度來決定用哪個等級的模型，而不是一刀切只用最便宜或最貴的。
⸻
#給同樣在找替代方案的人的建議
如果你也在考慮從頂級模型往下探索便宜的替代方案，以下是我的幾個建議：
第一，先想清楚你的時間值多少錢。這是所有決策的起點。如果你的時間很值錢，省 API 費用的同時浪費大量時間來引導模型，是一筆虧本的買賣。
第二，Benchmark 分數不等於實際使用體驗。MiniMax M2.5 的跑分看起來不錯，但實際用起來跟頂級模型差很遠。別被數字騙了，自己試過才知道。
第三，不要期待一個模型通吃所有場景。這是我目前最大的心得。不同等級的模型適合不同的任務，學會分層使用才是最有效率的策略。
第四，如果只能試一個，先試 Grok 4.1 Fast。以 Budget 等級來說，它目前是我測過最均衡的選項。速度、價格、品質三個維度都有一定水準。
我還在持續測試更多模型，之後有新的發現會再更新。對了，已經有大神問我 Qwen3 Coder Next 測過了沒，還有最近剛推出自家 Claw 的 MoonshotAI Kimi K2.5 我也還沒試。下一步可能會接著測測看這兩個，目前就先用 Sonnet 4.5 跟 Grok 4.1 Fast 撐著，等有新心得再來更新。
#OpenRouter #OpenClaw #AIAgent #Claude #Grok #DeepSeek #LLM #模型比較 #AI助理
▍用過 Claude Sonnet 4.5 的龍蝦 OpenClaw 再回頭看便宜模型：OpenRouter 多模型實測心得
TL;DR：我原本用 Claude Sonnet 4.5 搭配 OpenClaw 做日常 AI 助理，品質很好但成本不低。透過 OpenRouter 嘗試了一輪便宜模型之後，得到一個很誠實的結論：便宜的模型表面上省錢，實際上是在浪費你的時間。但也不是完全沒有驚喜，Grok 4.1 Fast 目前是我覺得 CP 值算高的選擇。以下是我的實測心得。
⸻
#為什麼開始探索其他模型
先講背景。我之前一直用 Claude Sonnet 4.5 搭配 OpenClaw 和 Telegram 做日常的 AI 助理，用來處理摘要、翻譯、資料整理這些瑣事。體驗很好，回覆品質穩定，很多事情丟過去就能一次到位，幾乎不需要我反覆引導。
問題是，Sonnet 4.5 的價格擺在那裡：輸入 $3、輸出 $15（每百萬 token），在 OpenRouter 的分級裡直接被歸類為 Premium。如果你每天大量使用，帳單累積起來是有感的。
所以我開始好奇：市面上那些便宜五倍、十倍的模型，到底能不能用？是真的划算，還是只是便宜沒好貨？
帶著這個問題，我在 OpenRouter 上開始了一輪模型探索。我挑模型的方式也很簡單：先看 OpenRouter 上排名前幾的模型，再參考一張社群整理的模型試算表（裡面列了各模型的價格、context window、支援的 modality、成本等級等資訊。原本還想找速度，但找不到。），從不同等級裡各挑幾個出來實測。如果你也想自己試，這張表很值得參考，可以從裡面按照自己的預算和需求挑模型來測。
⸻
#我怎麼評估這些模型
先講一下我的評估方式，這不是什麼嚴謹的 benchmark 測試，就是某天晚上花了幾個小時，把幾個模型輪流接上 OpenClaw 實際跑一輪的體感。我測試的任務都是我平常會用到的：每日任務處理、推特文章摘要、規劃搜集資料、還有分派工作給子代理（Subagent）。全程沒有測寫程式碼的部分，純粹是日常助理和任務調度的場景。
聰明程度：能不能理解複雜的指令、能不能舉一反三、會不會自己延伸思考，還是每個步驟都要我手把手帶。
回覆速度：日常助理場景，速度很重要。如果一個模型很聰明但要等三十秒才回覆，那跟自己做差不多。
回覆品質：內容夠不夠充實、有沒有料、語言流暢度如何。
回覆態度和內容量：這個很微妙但很重要。笨的模型回覆看起來好像有回答你，但仔細看什麼都沒幫到。更慘的是動不動就雙手一攤跟你說「我無法完成這個任務」。這跟笨服務生一樣，你問他什麼他只會說「不好意思、我不行、我們沒有」，句號，沒了。聰明的模型就算真的做不到，它會跟你解釋為什麼不行、目前的限制是什麼、有沒有替代方案可以試。光是這個差異，就能讓你感受到模型的「智商」是否在線。
回傳格式的適應能力：我的使用場景是 Telegram，這代表模型回傳的格式很關鍵。有些模型很愛用 Markdown 表格、程式碼區塊這些東西，在網頁上看很漂亮，但丟到 Telegram 裡排版就整個炸開，根本沒辦法看。最讓人抓狂的是你明明跟它講了「不要用表格格式」，它下一則回覆照樣給你一個表格，講不聽。好的模型你提醒一次，它後續就會自動調整輸出格式，這種「聽得懂人話」的能力其實也是聰明程度的一部分。
需不需要反覆引導：這是我覺得最關鍵的指標。頂級模型你給一個大方向它就能自己跑，便宜模型你得一步一步帶，光是引導花的時間就把省下來的錢全部吃回去。
基準線就是 Claude Sonnet 4.5 的使用體驗。以下所有比較都是跟它對照。但我也是看了這個表格之後才發現 Sonnet 4.5 在最下面的 Premium，有夠淒慘，因為已經習慣了這麼高級的模型，原本想說 Sonnet 應該還好沒有很強吧。
⸻
#各模型實測心得
#Gemini25FlashLite（$0.10 / $0.40）：便宜到底，但笨到底
先從最便宜的開始講。Google 的 Gemini 2.5 Flash Lite，輸入 $0.10、輸出 $0.40，在 OpenRouter 上被歸類為 Ultra Budget，價格確實很香。
但用了之後我只有一個感想：你得到的就是你付出的。
連最基本的文章摘要都做得磕磕絆絆，速度是算快，但最讓我受不了的是完全不會舉一反三，你給它一個任務，它就只做那一個任務，不會自己延伸、不會主動補充相關資訊。每一步都需要你明確指示，像在教一個完全沒有經驗的實習生。
而且它的回覆量少得可憐，看起來好像有回答你的問題，但仔細看就是兩三句話帶過，什麼具體的東西都沒有。你問它整理一份資料，它給你的結果就像考試寫了名字但交白卷。碰到稍微困難的任務就直接跟你說做不到，連嘗試都不嘗試，更別提給你替代方案了。
如果你的需求真的只是最簡單的文字處理，勉強可以用。但只要稍微複雜一點的任務，省的那幾毛錢完全不值得你花的時間。
#MiniMaxM25（$0.30 / $1.20）：Benchmark好看，實際偏笨
MiniMax 的 M2.5 是一個蠻有趣的案例。如果你只看跑分，這個模型的數據其實不差，價格也算 Budget 等級。
但實際對話下來，說真的，還是有點太笨了。理解能力不夠，回覆經常答非所問，複雜一點的指令就開始出包。格式方面也讓人頭痛，我在 Telegram 上用，跟它說過不要用 Markdown 表格，它照樣每次都丟表格出來，排版在 Telegram 上炸得一塌糊塗。講了三次還是講不聽，這種「無法遵守指令」的問題在便宜模型上特別明顯。
我後來想想，也許是因為 MiniMax M2.5 在 coding benchmark 上的表現特別強，所以跑分好看，但平常的推理能力和日常任務處理這塊並沒有特別優化。說白了就是偏科，寫程式可能可以，但我這次測的全部都是日常助理的任務，一行 code 都沒寫，所以它的強項完全沒派上用場。
這讓我學到一件事：Benchmark 分數跟實際使用體驗之間，存在一條巨大的鴻溝。跑分高不代表好用，尤其在日常對話和任務處理的場景。
#DeepSeekV32（$0.25 / $0.38）：聰明但太慢
DeepSeek V3.2 是這輪測試裡讓我最糾結的模型。
聰明程度確實可以，我覺得已經接近 Sonnet 4.5 的水準了。理解力好、回覆有深度、能自己延伸思考。價格也漂亮，輸入 $0.25、輸出 $0.38，被歸在 Budget 等級。
但問題出在速度。回覆速度實在太慢了，慢到讓我覺得「我等它回覆的時間，都夠我自己做完了」。在日常助理的場景裡，速度是很關鍵的。你不會想每次問一個問題就等半天。
說白了，DeepSeek V3.2 的聰明程度被它的速度拖累了。等待的時間成本直接抵消了它的價格優勢。如果哪天它的速度能提上來，會是一個非常有競爭力的選擇。但現階段，做為日常助理來用，體驗不夠流暢。
#ClaudeHaiku45（$1.00 / $5.00）：自家的輕量版，但⋯⋯
身為 Claude 的長期用戶，我當然也試了 Anthropic 自家的輕量版 Haiku 4.5。價格是 Mid-High 等級，輸入 $1、輸出 $5。
老實說，用過之後有點失望。名字叫 Haiku，果然就是「輕量」的意思，不只是體積輕量，腦子也有點輕量。跟 Sonnet 4.5 比起來，差距太明顯了。很多任務它處理得不夠到位，還是需要反覆引導才能得到我要的結果。
而且以它的價格來說，性價比也不算特別好。你付了 Budget 以上的錢，得到的卻是 Budget 等級的表現，這就尷尬了。
#Grok41Fast（$0.20 / $0.50）：目前的驚喜
最後要講的是 xAI 的 Grok 4.1 Fast，這個模型是我這輪測試裡最大的驚喜。
先看帳面數據：輸入 $0.20、輸出 $0.50，被歸在 Budget 等級。Context window 高達 2,000K（200 萬 token），這個數字非常誇張，市面上很少模型能給到這麼大的上下文視窗。支援 text+image 輸入。
實際使用體驗呢？回覆速度快，名字裡的「Fast」是真的。回覆內容充實、有料，不是那種敷衍了事的短回覆。理解能力也還算可以，雖然沒有到 Sonnet 4.5 或 DeepSeek V3.2 的水準，但以這個價格來說，已經超出我的預期了。
更重要的是，它不需要我每一步都手把手引導。給一個方向，它能自己往前跑一段，雖然偶爾會跑偏，但整體效率比其他 Budget 模型好很多。碰到做不到的事情，它也會好好跟你解釋為什麼，然後主動提供替代做法，這點讓我蠻意外的。格式方面也比較聽話，提醒過一次之後，後續的回覆就會自動調整，不會一直重複犯同樣的錯。
如果你正在找一個便宜、快、堪用的日常模型，Grok 4.1 Fast 是我目前會推薦的第一選擇。
⸻
#關鍵發現：便宜模型的隱藏成本
經過這一輪測試，我最大的體悟是：便宜模型的真正成本不在 API 帳單上，在你的時間上。
用 Sonnet 4.5 的時候，我丟一個任務過去，它回覆的結果八九成可以直接用。但換成 Budget 模型之後，每個任務都變成了一場拉鋸戰。回覆品質不到位，你要追問；理解錯誤，你要重新解釋；少做了一個步驟，你要補充指令。一來一回，花掉的時間遠超過你以為省下的錢。
我之前用 Sonnet 4.5 用得很順，什麼事情丟過去都能做好，結果就是把胃口養壞了。當你習慣了頂級模型一次到位的效率，再回頭用便宜模型，那個落差感真的很大。
TL;DR：我原本用 Claude Sonnet 4.5 搭配 OpenClaw 做日常 AI 助理，品質很好但成本不低。透過 OpenRouter 嘗試了一輪便宜模型之後，得到一個很誠實的結論：便宜的模型表面上省錢，實際上是在浪費你的時間。但也不是完全沒有驚喜，Grok 4.1 Fast 目前是我覺得 CP 值算高的選擇。以下是我的實測心得。
⸻
#為什麼開始探索其他模型
先講背景。我之前一直用 Claude Sonnet 4.5 搭配 OpenClaw 和 Telegram 做日常的 AI 助理，用來處理摘要、翻譯、資料整理這些瑣事。體驗很好，回覆品質穩定，很多事情丟過去就能一次到位，幾乎不需要我反覆引導。
問題是，Sonnet 4.5 的價格擺在那裡：輸入 $3、輸出 $15（每百萬 token），在 OpenRouter 的分級裡直接被歸類為 Premium。如果你每天大量使用，帳單累積起來是有感的。
所以我開始好奇：市面上那些便宜五倍、十倍的模型，到底能不能用？是真的划算，還是只是便宜沒好貨？
帶著這個問題，我在 OpenRouter 上開始了一輪模型探索。我挑模型的方式也很簡單：先看 OpenRouter 上排名前幾的模型，再參考一張社群整理的模型試算表（裡面列了各模型的價格、context window、支援的 modality、成本等級等資訊。原本還想找速度，但找不到。），從不同等級裡各挑幾個出來實測。如果你也想自己試，這張表很值得參考，可以從裡面按照自己的預算和需求挑模型來測。
⸻
#我怎麼評估這些模型
先講一下我的評估方式，這不是什麼嚴謹的 benchmark 測試，就是某天晚上花了幾個小時，把幾個模型輪流接上 OpenClaw 實際跑一輪的體感。我測試的任務都是我平常會用到的：每日任務處理、推特文章摘要、規劃搜集資料、還有分派工作給子代理（Subagent）。全程沒有測寫程式碼的部分，純粹是日常助理和任務調度的場景。
聰明程度：能不能理解複雜的指令、能不能舉一反三、會不會自己延伸思考，還是每個步驟都要我手把手帶。
回覆速度：日常助理場景，速度很重要。如果一個模型很聰明但要等三十秒才回覆，那跟自己做差不多。
回覆品質：內容夠不夠充實、有沒有料、語言流暢度如何。
回覆態度和內容量：這個很微妙但很重要。笨的模型回覆看起來好像有回答你，但仔細看什麼都沒幫到。更慘的是動不動就雙手一攤跟你說「我無法完成這個任務」。這跟笨服務生一樣，你問他什麼他只會說「不好意思、我不行、我們沒有」，句號，沒了。聰明的模型就算真的做不到，它會跟你解釋為什麼不行、目前的限制是什麼、有沒有替代方案可以試。光是這個差異，就能讓你感受到模型的「智商」是否在線。
回傳格式的適應能力：我的使用場景是 Telegram，這代表模型回傳的格式很關鍵。有些模型很愛用 Markdown 表格、程式碼區塊這些東西，在網頁上看很漂亮，但丟到 Telegram 裡排版就整個炸開，根本沒辦法看。最讓人抓狂的是你明明跟它講了「不要用表格格式」，它下一則回覆照樣給你一個表格，講不聽。好的模型你提醒一次，它後續就會自動調整輸出格式，這種「聽得懂人話」的能力其實也是聰明程度的一部分。
需不需要反覆引導：這是我覺得最關鍵的指標。頂級模型你給一個大方向它就能自己跑，便宜模型你得一步一步帶，光是引導花的時間就把省下來的錢全部吃回去。
基準線就是 Claude Sonnet 4.5 的使用體驗。以下所有比較都是跟它對照。但我也是看了這個表格之後才發現 Sonnet 4.5 在最下面的 Premium，有夠淒慘，因為已經習慣了這麼高級的模型，原本想說 Sonnet 應該還好沒有很強吧。
⸻
#各模型實測心得
#Gemini25FlashLite（$0.10 / $0.40）：便宜到底，但笨到底
先從最便宜的開始講。Google 的 Gemini 2.5 Flash Lite，輸入 $0.10、輸出 $0.40，在 OpenRouter 上被歸類為 Ultra Budget，價格確實很香。
但用了之後我只有一個感想：你得到的就是你付出的。
連最基本的文章摘要都做得磕磕絆絆，速度是算快，但最讓我受不了的是完全不會舉一反三，你給它一個任務，它就只做那一個任務，不會自己延伸、不會主動補充相關資訊。每一步都需要你明確指示，像在教一個完全沒有經驗的實習生。
而且它的回覆量少得可憐，看起來好像有回答你的問題，但仔細看就是兩三句話帶過，什麼具體的東西都沒有。你問它整理一份資料，它給你的結果就像考試寫了名字但交白卷。碰到稍微困難的任務就直接跟你說做不到，連嘗試都不嘗試，更別提給你替代方案了。
如果你的需求真的只是最簡單的文字處理，勉強可以用。但只要稍微複雜一點的任務，省的那幾毛錢完全不值得你花的時間。
#MiniMaxM25（$0.30 / $1.20）：Benchmark好看，實際偏笨
MiniMax 的 M2.5 是一個蠻有趣的案例。如果你只看跑分，這個模型的數據其實不差，價格也算 Budget 等級。
但實際對話下來，說真的，還是有點太笨了。理解能力不夠，回覆經常答非所問，複雜一點的指令就開始出包。格式方面也讓人頭痛，我在 Telegram 上用，跟它說過不要用 Markdown 表格，它照樣每次都丟表格出來，排版在 Telegram 上炸得一塌糊塗。講了三次還是講不聽，這種「無法遵守指令」的問題在便宜模型上特別明顯。
我後來想想，也許是因為 MiniMax M2.5 在 coding benchmark 上的表現特別強，所以跑分好看，但平常的推理能力和日常任務處理這塊並沒有特別優化。說白了就是偏科，寫程式可能可以，但我這次測的全部都是日常助理的任務，一行 code 都沒寫，所以它的強項完全沒派上用場。
這讓我學到一件事：Benchmark 分數跟實際使用體驗之間，存在一條巨大的鴻溝。跑分高不代表好用，尤其在日常對話和任務處理的場景。
#DeepSeekV32（$0.25 / $0.38）：聰明但太慢
DeepSeek V3.2 是這輪測試裡讓我最糾結的模型。
聰明程度確實可以，我覺得已經接近 Sonnet 4.5 的水準了。理解力好、回覆有深度、能自己延伸思考。價格也漂亮，輸入 $0.25、輸出 $0.38，被歸在 Budget 等級。
但問題出在速度。回覆速度實在太慢了，慢到讓我覺得「我等它回覆的時間，都夠我自己做完了」。在日常助理的場景裡，速度是很關鍵的。你不會想每次問一個問題就等半天。
說白了，DeepSeek V3.2 的聰明程度被它的速度拖累了。等待的時間成本直接抵消了它的價格優勢。如果哪天它的速度能提上來，會是一個非常有競爭力的選擇。但現階段，做為日常助理來用，體驗不夠流暢。
#ClaudeHaiku45（$1.00 / $5.00）：自家的輕量版，但⋯⋯
身為 Claude 的長期用戶，我當然也試了 Anthropic 自家的輕量版 Haiku 4.5。價格是 Mid-High 等級，輸入 $1、輸出 $5。
老實說，用過之後有點失望。名字叫 Haiku，果然就是「輕量」的意思，不只是體積輕量，腦子也有點輕量。跟 Sonnet 4.5 比起來，差距太明顯了。很多任務它處理得不夠到位，還是需要反覆引導才能得到我要的結果。
而且以它的價格來說，性價比也不算特別好。你付了 Budget 以上的錢，得到的卻是 Budget 等級的表現，這就尷尬了。
#Grok41Fast（$0.20 / $0.50）：目前的驚喜
最後要講的是 xAI 的 Grok 4.1 Fast，這個模型是我這輪測試裡最大的驚喜。
先看帳面數據：輸入 $0.20、輸出 $0.50，被歸在 Budget 等級。Context window 高達 2,000K（200 萬 token），這個數字非常誇張，市面上很少模型能給到這麼大的上下文視窗。支援 text+image 輸入。
實際使用體驗呢？回覆速度快，名字裡的「Fast」是真的。回覆內容充實、有料，不是那種敷衍了事的短回覆。理解能力也還算可以，雖然沒有到 Sonnet 4.5 或 DeepSeek V3.2 的水準，但以這個價格來說，已經超出我的預期了。
更重要的是，它不需要我每一步都手把手引導。給一個方向，它能自己往前跑一段，雖然偶爾會跑偏，但整體效率比其他 Budget 模型好很多。碰到做不到的事情，它也會好好跟你解釋為什麼，然後主動提供替代做法，這點讓我蠻意外的。格式方面也比較聽話，提醒過一次之後，後續的回覆就會自動調整，不會一直重複犯同樣的錯。
如果你正在找一個便宜、快、堪用的日常模型，Grok 4.1 Fast 是我目前會推薦的第一選擇。
⸻
#關鍵發現：便宜模型的隱藏成本
經過這一輪測試，我最大的體悟是：便宜模型的真正成本不在 API 帳單上，在你的時間上。
用 Sonnet 4.5 的時候，我丟一個任務過去，它回覆的結果八九成可以直接用。但換成 Budget 模型之後，每個任務都變成了一場拉鋸戰。回覆品質不到位，你要追問；理解錯誤，你要重新解釋；少做了一個步驟，你要補充指令。一來一回，花掉的時間遠超過你以為省下的錢。
我之前用 Sonnet 4.5 用得很順，什麼事情丟過去都能做好，結果就是把胃口養壞了。當你習慣了頂級模型一次到位的效率，再回頭用便宜模型，那個落差感真的很大。
