OpenAI GPT-5.1 测评：AGI 和现实之间的钢丝桥
GPT-5.1 将 GPT-5 与 GPT-5 Mini 合并，性能与 Token 消耗均介于两者之间；GPT-5.1 Chat 遇复杂问题会直接拒绝回答。
Kimi K2 Thinking 测评：属于 Kimi 的阿波罗 10 号
K2T 在长链推理与上下文幻觉上接近 GPT-5 Mini，但指令遵循略逊于 Grok 4；Token 消耗为目前第二高，且输出中混入 NBSP 特殊字符。
DeepSeek V3.2 测评
V3.2 性能较 V3.1 弱 5~10%，但定价打骨折，25% 价格可获 90% 性能；工作记忆、计算精度、偷懒倾向与死循环均有劣化。