Versun

【置顶】很高兴在推上与你相遇。 这里主要分享日常心得、技术干货、随想感悟与个人看法，不涉及宗教政治，也避免无谓争论。 所有原创内容首发于博客，X 仅作同步转载。为防平台风险致内容丢失，建议优先访问博客，并用 RSS / Newsletter 订阅更新！ 博客地址：versun.me

@rxliuli 😭果然还是做web和cli应用方便

@VersunPan 但凡是要人工审核的，就没有不糟糕的，例如 play store 也是每年威胁一次不活跃账户会被删除

为什么注册苹果开发者账号这么难，无论是在iPhone上还是iPad上，都提示“无法验证你的身份”，联系了苹果客服，又是提供录屏又是提供身份证的，还是没搞成。。。。。这体验也太差了吧，赶着给钱都不要。。。。

@jayfx42 无语，我的名字一样，没改名啥的。。。搞到后面都不想搞了，提示风险就提示吧😂

@VersunPan 我也是趟了两次坑，我之前“无法验证你的身份”是注册ID的名称和上传的身份证明不是一样的“字”，得完全是中文和身份证一样

@_TobiasLee 哇，这个评测酷！

🦞 Opus 4.6 通过率只有 25.7%？！我们给 Claw-Eval 加了 35 个多模态 Agentic 任务 上个版本评的主要还是 agent 在文本世界里能做什么，这次我们往前推一步 从多模态素材到多模态作品，这组任务评测的是 agent 端到端的创造能力 🏠 看一段房间参观视频 → 绘制标注空间关系的建筑平面图 📊 从多篇学术论文中交叉提取实验数据 → 自动生成对比可视化 🏸 看完一整场羽毛球比赛 → 绘制出比分走势 这些任务要求 Agent 不仅理解多模态素材，还需要自主检索信息、收集资源、编排工具链，最终交付完整的作品 评测本身也做了更新：把 agent 产出的作品渲染、截帧，由视觉模型逐维度评审最终交付物。 感知 → 推理 → 创造 → 视觉评审，端到端闭环。 目前 Opus 4.6 稳定通过率 25.7%，K2.5 和 Gemini 3 Flash 都只有 20%。离理想的形态，还有一段路要走 claw-eval.github.io

@ICSCRF @3an3i @XiaotiaoWang 智普的老问题了，预料之中😅

@3an3i @VersunPan @XiaotiaoWang 现在降智严重而且有时候会输出乱码，别用😂

重新跑了<模型编程性能测试>，添加了  Minimax 2.7、Mimo V2 Pro、GPT 5.4 Mini 模型 结果在预料之中：coding-model-comparison.versun.me  ⚠️ 防杠补丁：本次测试纯属娱乐，仅针对当前提示词和模型版本有效，博主无任何厂商立场

@turingou 太拼了😆

今天正式发布了我的第 12 个 vibe 产品 mails.dev 这是一个为 agents 设计的邮件服务，100% 开源，cli 大小仅 20kb。产品想法源于最近我在 sandbank cloud 中大量使用 agent 操作浏览器自动化所以需要收验证码。mails 的逻辑很简单，支持 agents 收发邮件和附件，搜索内容，快速识别验证码，一条命令简单安装： $ npm install -g mails $ mails send --to guoyu@mails.dev --subject "Hello from my agent" --body "check my resume" --attach resume.pdf $ mails inbox --query "验证码" mails 提供完整的自部署方案：基于 Cloudflare Email Routing Worker 接收邮件，Resend 发送邮件，支持 SQLite 和 db9.ai 两种存储后端，附件收发开箱即用。用户只需部署一个 Worker，即可拥有自己域名的 Agent 邮箱，Resend 免费额度一个月 3000 封，足够大部分人的 agent 使用。 为了让大家快速上手给自己的 openclaw 用，我还特意做了它的云服务 mails.dev，使用 mails claim myagent 即可获得免费的 myagent@ mails. dev 邮箱，每月 100 封免费发件，超出按 $0.002/封通过 x402 协议自动支付（Stripe x402）一个人类用户最多可以为自己的 agents 认领 10 个邮箱。 当然，你也可以直接让 agent 去自助认领，他会需要你配合授权并获得一个验证码，把这个 skill 说明书链接发给你的 agent，它会理解如何使用 mails mails.dev/skill.md mails 官网：mails.dev GitHub 链接：github.com/chekusu/mails （以MIT 协议开源）

@libukai 雇佣童工？😆

童子尿蛋美式☕️，哪天去东阳出差，高低得鼓起勇气试试！

@Ray_Garry_ @Stanleysobest 已发

@VersunPan @Stanleysobest 给我一个吧，我填了问卷没给我

刚用上Qclaw，对腾讯真是太失望了， 啥玩意🤣🤣🤣

@JeffDean85781 @Stanleysobest 私聊我，我私不了你

@VersunPan @Stanleysobest 能不能给我一个求求了🥺

@settinghead claude code搭配第三方模型，在长时任务上，不是很稳定，可能网络问题，或者模型适配问题，所以就故意选了一次性的任务

@VersunPan 感觉如果加点很多步骤才能完成的长时间测试，一些模型可能就撑不住了。

@yale_hwang 哈哈😂谢谢

@VersunPan 虽然我不同意 Opus 排第三 但看在 Minimax 位置的面子上点了 Like

@AstroHanRay 同意！

@VersunPan Kimi K2.5 还是这一波模型中最能打的，期待新的更新

这两天，minimax 2.7 发布，小米的 mimo 模型发布，然后搞笑的是，好多评论区都在问，和kimi 2.5 比怎么样？ 一个已经发布一个多月的模型，和glm 5, minimax 2.5还要早发布的模型，到现在依旧被拿出来比，谁稳定谁能干活一目了然呀😂

@CruiseBob2025 确实，不过最近他家在搞活动

@VersunPan 个人感觉 glm5 可以，就是性价比不如 kimi 和 minimax

@papapa556611 这个评测任务交给你了😋

@VersunPan 整个1000行+的md需求文件,内容是后端代码的测试 再看其余模型的理解和执行能力

@_TobiasLee 感谢指点哈😁下次还这样 哈哈开玩笑，主要没啥时间认真评测，目的就是简单选个模型干活，心里有个大概就行了，虽然不客观😂

@VersunPan 你那个设计挺好的 多点case其实稳定下来会更客观一些

2026 了，可以忽略一切拿 one-shot 前端测评 frontier LLM 博主了...

@llc7218 我同意！对glm没啥好感。。

@VersunPan 我实际使用GLM5不如KIMI，没那么高

@ren2672 啊？我说的是选kimi 2.5一目了然。。。

@VersunPan 能不能干活 跟早不早无关，生产看的实际能力 还一目了然

@jalr4ever 嗯嗯，那和我这个评测体感差不多

@VersunPan 之前我做过一个前端卡片的场景，三个评估角度: 完整度，效果，细节丰富度。我个人的感官就是 glm-5 最强，kimi-2.5也不差。至于 minimax 2.5，deepseek 3.2，gemini-3-flash 则要差不少