全球 AI 產品排行榜

Zeabur 的一鍵部署體驗真的驚豔到我了，連 Dockerfile 都不用寫，繫結 GitHub 倉庫點一下就開始 build，一兩分鐘就跑起來了，比當年用 Heroku 的時候還得裝 CLI 推程式碼舒服太多了。

Codex 用了一週把原來三個下午才能搞完的第三方 API 對接全乾完了，我就寫了幾句註釋它就自動把序列化、重試、超時異常處理全封裝好了，比自己手寫還穩，連單元測試都順手生成了，效率提升太明顯了。

Freemium 模式良心，免費版就可以體驗核心功能，等團隊跑順了再升級也來得及，不用一上來就花錢。

最大的坑是容易讓人產生一種'這麼多大師都分析了肯定靠譜'的錯覺。作者已經在README寫了三遍僅供教育研究，但GitHub issue裡還是有人問能不能連實盤。這東西就是一個投資哲學模擬器，拿來學習可以，拿來做真金白銀的決策得自己想清楚。

用 Codex CLI 已經三個月了，說說從入門到依賴的全過程。第一個月是試探期，主要在 suggest 模式下用，讓它寫一些獨立的函式和單元測試，質量確實不錯，基本 review 一下就能用。第二個月開始切換到 auto-edit 模式，開始讓它做模組級的重構，這時候發現它的程式碼規範性確實比 Claude Code 強——Claude 有時候會用自己的風格重寫整個函式，Codex 則儘量保持原有

Supabase 本地開發體驗真的一言難盡，Docker 容器動不動就崩，遷移系統也有 bug。被迫直接對遠端資料庫除錯，這什麼鬼啊，Val Town 也吐槽過這個問題。

試了一下,確實比開五個終端視窗強多了。Agent跑完了會自己更新狀態,不用我去輪詢。

絕對的開源良心之作，不接受反駁。

Neon 的 branching 功能真的太香了，每個 PR 自動建立一個資料庫分支，測試完直接刪，完全不擔心汙染生產資料。再加上 Vercel 的自動整合，這才是現代開發的正確開啟方式。

回不去了，本地跑模型真香。

開源免費，用起來真香！而且功能一點都不縮水，該有的檢視、API、許可權控制全都有，對比之下 Airtable 免費版那 1200 行的限制真的太摳了。

好多人吐槽Dart語法土,但用了兩年Flutter之後我發現,恰恰是這種平淡無奇的設計讓程式碼可讀性極高,三個月前寫的程式碼拿回來一看就懂,不用費勁回憶當時為啥這麼寫。

HelloGitHub 更新了第 120 期，裡面那個用 Python 做的簡易爬蟲專案真不錯，註釋詳盡到環境配置的每一步都寫了，對新手太友好了。

Unsloth 的 NVFP4 量化包剛出了 Qwen3 的版本，實測推理速度比 NVIDIA 官方的快 2.5 倍，而且是真正的 W4A4，不只是把權重壓到 4bit 就完事，矩陣乘也是 4bit 的，這個差距就很明顯了。

在伺服器上用 Aider 改後端，純命令列沒有圖形介面，但勝在能直接跑在 SSH headless 環境裡。每次改完自動 commit，訊息還寫得挺像人，git bisect 找回那次 AI 改壞的介面只花了五分鐘，這種可追溯性真的是其他工具比不了的。

用了一段時間了，最有價值的不是單個功能，而是它把各種碎片化的情報訊號整合到了一個統一的介面裡。聚沙成塔的力量在資訊過載的時代反而最稀缺，這個專案做到了。

用了一週 Sol，最直觀的感覺就是這傢伙確實比 5.5 聰明，但也很能吃 token。開 Ultra 模式寫程式碼，15 分鐘燒掉我 Pro 會員 5 小時的限額，賬單看著心慌。

Clean Markdown output 確實是行業標杆，drop-in 直接進 vector store 不用再處理。不過對防爬強的網站成功率確實偏低，只有 30% 左右。

卡成PPT，真退了。

Anthropic這次操作很聰明。Opus 4.8本身提升有限，但combined with Dynamic Workflows和Effort Control，整套系統往上跳了一個臺階。單看模型是擠牙膏，看整體是質變。

SP-API 的那個 AWS Signature Version 4 簽名演算法真的太複雜了，每次請求都要算一遍，第一次搞的時候各種簽名不匹配，debug 了三天三夜。

免費版夠用了，小公司不需要那些高階特性。API生命週期管理幫我們規範了開發流程，不再有人隨便上線不維護的介面了。

我們團隊從去年開始用 Kong AI Gateway，最直觀的感受就是效能確實猛，28K RPS 不是吹的。但說實話配置門檻挺高的，decK CLI 那一套對新手不太友好，我們折騰了一個月才把生產環境跑穩。

把公司的批次摘要管線切到了 Luna，跑了一整天沒出岔子，成本直接從之前的每月三千塊壓到不到一千，省下來的預算還能再多跑幾個方向。不過我們同時用 Sol 跑了一條同樣的資料做對比，發現 Luna 在摘要的資訊密度上確實有差距，關鍵細節偶爾丟失，但勝在量大管飽速度起飛。

試了一下 v0 生成頁面，輸入提示詞一分多鐘就生成了一個能用的工具頁面，包括 API 整合和暗色模式。說實話挺驚豔的，不過介面修改全靠寫 CSS，對不會前端的同學不太友好。

用了幾天Terra，寫郵件比之前免費版自然多了，基本不用大改。不過遇到複雜邏輯的時候它還是容易跑偏，得切到Sol才行。日常用的話完全夠了，但做深度推理還是差一截。

用了一週 Fuser Apps，最大的感受就是之前做電商素材要在五個工具之間切來切去——Midjourney 出圖、Photoshop 去背景、CapCut 做影片、ChatGPT 寫文案、Canva 排版，現在一個畫布全搞定。產品圖生成、背景去除、多尺寸匯出一條龍，效率確實起飛了。

Grok 寫東西直來直去不愛繞彎，問敏感點的政策問題它敢給直接清單還帶信源，ChatGPT 就回一句「觀點各異」打發人。想要不過濾的資訊選它沒錯，但正式文件還是得自己收著點。

Nemotron 3 Ultra 的 SWE-Bench 71.9% 挺猛的，關鍵是訓練配方和資料集全開源，這點英偉達比 Meta 大方多了。

為什麼每次生成的背景風格不太一樣？雖然人物臉沒變，但背景色差很大，能不能固定一下。

說說我這兩年真實狀態吧。我現在是 Plus，差不多每月 22 刀，Pro 超了公司報銷額度就停在 Plus 了，夠用。重點用的三個功能：專案、Codex、還有最近讓我驚喜的 Thinking 生圖。以前搞複雜工作就在一個長聊天裡硬聊，越聊越長後來它就開始失憶，前面說過的後面忘了，崩潰。後來用專案功能，把約定文件、需求文件丟進「來源」，聊天自動參考，專案下記憶還連通，再沒有「我們之前說好的你忘了嗎」

Copilot Desktop 技術預覽版玩了一天，多 Agent 並行是真亮點。每個 Session 自動開獨立的 Git worktree 和分支，我同時跑三個：一個修 CI、一個加功能、一個重構老程式碼，互不干擾，不用 stash 不用切分支。Agent Merge 也挺科幻，盯著 CI 跑，掛了自動拉日誌修復。實測簡單 PR 能一條龍跑通，複雜的多檔案重構 PR 修了兩輪還是掛，最後還得自己

用了兩個月GPT-5.5,最深的感受是寫程式碼確實強了不少,但積分燒起來也真的肉疼。同樣的Codex任務,token消耗官方說少了40%,可單價翻了一倍,算下來一個月花費反而多了二三十刀。OpenAI這個定價策略是真的精。

今天再開啟，已經是 OpenRouter 用量第一的開源 Agent 了，3M+ 使用者。看著它從 Cline 分支一路長成這樣，挺感慨。

灰度測試了幾天V4正式版，整體接近Opus 4.8級別，編碼直追GPT-5.6 Sol，Agent能力相比前代有質的飛躍。3D場景和SVG渲染提升肉眼可見，但同樣的任務迭代輪數比Fable 5還是多了些。考慮這個價格，真的沒法挑剔了。

方向太對了！AI程式設計最煩的就是agent寫完了說一句「我修好了」，結果開啟一看首頁白屏。TryCase至少能讓它自己跑一遍再交作業。

老實說踩過坑：長會話跑久了會自動壓縮上下文，那之後明顯變傻變慢，同一個任務手動貼給網頁版 4.5 分鐘搞定，它自己磨嘰 18 分鐘。社群的招數是別硬撐，直接開新會話。另外 MCP 那套很香但上下文稅不低，後來開 Tool Search 把 51K 壓到 8.5K 才舒服。整體還是目前最能打的終端 Agent，前提是你願意花時間學它的套路（CLAUDE.md、子代理、hooks），當自動補全用必翻車

用了兩天 Cici，最大的感受就是——真能免費白嫖 GPT 級別的模型啊。日常查資料、翻譯、寫點小文案完全夠用，暫時沒遇到需要付費的場景。

用Grok做了一週的深度調研，對比之前用GPT和Claude的經驗，說幾點實在的。第一，資訊時效性確實碾壓，搜尋2026年下半年的事件Grok給出的結果比另外兩家新了起碼一到兩週。第二，推理深度還是有差距，問那種需要多步因果鏈的問題，Claude給出的分析鏈條最長最完整，Grok有時候會跳過中間步驟直接給結論。第三，也是最糾結的一點——Grok的API定價確實香，輸入1.25輸出2.5的價位在大模

抽象太重這個毛病到1.0還是沒根治，簡單的呼叫非要包一層Runnable，出問題往下扒原始碼扒到頭禿。

快取免費是真的香，省了不少錢！

看了他們 arXiv 上的那篇 HUMA 論文，97 個人的四人群聊實驗，參與者猜出 AI 是 AI 的比例是 55.4%。這個數字其實挺有意思的——硬幣機率也就 50%，說明做人設的時候他們已經接近圖靈測試的邊界了。

Cline 的 Plan/Act 雙模式是真的好用。先讓它出方案，確認沒問題再執行，省得 AI 瞎搞。

Copilot 替代品完全夠格，自託管不用擔心程式碼被拿去訓練。隱私這塊確實比 Copilot 強，而且程式碼生成質量也不輸多少。

最近用 Lovable 搞了個內部管理系統，從前端到資料庫到部署一條龍，除了沒有程式碼基礎的人除錯起來有點痛苦，整體體驗是真的香。

Cohere Labs 拆成獨立非營利挺關鍵，在大家都閉源的大環境裡還能發論文跟學界合作，對長期技術信譽是加分的。估值 68 億、四百多號人，企業市場這條窄路走得還行。

我們拿一個客戶交付專案做試點，客戶會議的紀要、行動項、時間表全自動生成成看板，客戶看到進度透明挺滿意的，這點是真能拿出來說服甲方的，不過交付物匯出還得手動潤色，不能原樣當正式文件發給客戶，AI 寫的紀要措辭還是偏模板化。

跑了一下Kronos-mini，4M引數在MacBook上確實能跑，但預測準確率也就55%左右，不能說沒用但離直接賺錢差得遠。作為研究工具還不錯，但別抱太高期望，理性看待它的能力邊界。這專案值得關注但別衝動去All in。

免費版只能做一個擴充套件是有點摳，但$9.99一個月倒也合理，畢竟省了你去啃 Chrome 擴充套件那套 manifest v3、content script、service worker 的學習成本。時間就是錢嘛，算下來值。

Gemma 5 這一代在本地部署的體驗真的提升不少，我之前用 4 代的 26B MoE 做程式碼補全，切到 5 代後感覺響應速度更順了，尤其針對 Python 和 C++ 的程式碼生成準確率高了不少。但中文理解還是老問題，寫中文 prompt 有時會冒出英文邏輯套中文的回答，希望後續能最佳化一下詞表。