其他AI工具评测与对比指南

你大概以为LLM必须跑在云端，但到了2026年，把AI完全运行在自己电脑里——也就是"本地LLM"——已是切实可行的选择。本地LLM意味着把ChatGPT或Claude那样的模型直接运行在本机，而非云端。三大吸引力是：隐私（输入绝不离开设备）、零成本（没有API费用）和离线使用（断网也能跑）。短板则是：没有顶级云端AI那么聪明、需要一台还算给力的电脑、需要一点配置工作，且不掌握最新信息。本篇初学者指南讲清楚什么是本地LLM（用"流媒体 vs 下载"作类比）、优点与短板、所需配置与量化（GGUF格式，其中Q4_K_M是公认之选，在保留质量的同时把内存压到约四分之一；4-bit下每10亿参数约0.5 GB内存）、如何上手（面向初学者的LM Studio图形界面，面向开发者的Ollama命令行——2026年第一季度月下载量5200万）、2026年推荐模型（Llama 3.2 7B、Google Gemma 4、Alibaba Qwen3.5，以及DeepSeek和Mistral，皆为开放模型），以及本地与云端如何分工（机密、高频、离线的工作交给本地，难题交给云端）。最快的第一步：在LM Studio里跑一个3B–7B的小模型。

2026 年 6 月 9 日，Anthropic 发布了 Claude Fable 5——首次以普通用户和开发者都能使用的形式，释放出内部长期被视为最强的前沿模型"Mythos"级别的能力。Anthropic 将其定位为面向大众提供的最强模型，宣传语为"为长时间、复杂的工作而打造"。本篇写得让初学者也能跟上，讲清 Fable 5 是什么（以安全形式向公众开放的 Mythos 级别能力，为跑完一场马拉松而非单次问答而优化；模型 ID 为 claude-fable-5）、它与孪生兄弟 Mythos 5 有何不同（内部完全相同，只有安全机制不同；公众使用的是 Fable）、基准测试成绩（SWE-Bench Pro 80.3% 对 Opus 4.8 的 69.2 和 GPT-5.5 的 58.6，Hex 长时间分析史上首次突破 90%，Cognition FrontierCode 与 Hebbia 金融均居首，视觉方面无需辅助即可玩 Pokémon 的全新 SOTA）、它在长时间自主运行上的真正强项（在数百万 token 中保持专注、12 小时运行、Stripe 在一天内完成 5000 万行 Ruby 迁移、文件记忆使游戏任务提升约 Opus 4.8 的 3 倍）、价格与可用渠道（每 1M token $10/$50、1M 上下文与 128K 输出、6 月 9–22 日各方案内免费），与 Opus 4.8 的直接对比（标准 $5/$25 对 $10/$50、SWE-Bench Pro 领先 +11.1 个百分点），重头戏般的全新安全设计（网络、生化与蒸馏分类器只在危险时回退、触发率不到 5%、保留 Mythos 级别流量 30 天），以及发布前几天还警告 AI 太危险的背景。数字均引用自 Anthropic 公告与报道，可能变动。

输入一段文字，几秒钟就诞生一段带声音的视频——这在不久前还是科幻情节，到了 2026 年却变成现实，而局势正以惊人速度变化。曾主导话题的 OpenAI 的 Sora 已于 2026 年 4 月关停 App 与网页版（API 也将在 9 月跟进），取而代之的是 Google Veo、Kling 与 Runway 占据领先。这份截至当前（2026 年 6 月）、与具体工具无关的指南，涵盖什么是 AI 视频生成（从文字或图片生成动态影像，音频同步、1080p–4K 与图生视频已成标准）、2026 年的格局（Sora 关停——据报道背景为算力与成本压力及用户减少——以及当前领先者 Google Veo 3.1、Kling 3.0、Runway Gen-4.5，按秒计费为常态）、原理（扩散模型扩展到时间维度；文生视频与图生视频）、通用的 5 步流程（选工具、提示词/图片、设置时长/画幅/音频、生成并挑选、在剪辑中拼接）、核心的视频提示词技巧（主体 + 运动 + 运镜 + 风格 + 时长 + 音频，动词与运镜是关键，一镜一动、善用图生视频、多生成再挑选）、现在能做什么与还做不到什么（一次性做长片与完全一致性仍困难，按秒成本会累积），以及权利、水印与伦理要点（SynthID 与 C2PA 让 AI 来源标记成为无法移除的标准，纯 AI 输出受保护弱且各国有差异，商用取决于条款，真实人物的深度伪造是禁区）。不要追求一次性做出长片，而要做镜头再在剪辑中拼接。由于该领域变化迅速，请始终通过官方渠道确认最新信息。

"我不会画画，所以这跟我没关系"——这种对 AI 图像生成的成见恰恰说反了。只要用语言下达指令，几秒钟后你就能得到专业级的视觉作品。本篇跨工具指南讲解：什么是 AI 图像生成（用语言从零做出图像——考验的是表达沟通而非绘画的本领，可谓图像版的提示词工程）；它的原理（扩散模型以你的提示词为线索，从随机噪点中雕刻出一幅画，每次都从零绘制，所以结果会抖动）；在任何工具中都通用的 4 步工作流（选择工具、写提示词、生成并挑选、修整并完成——迭代是前提）；核心的 6 部分图像提示词结构（主体、场景／背景、风格、光线／色彩、构图／视角、技术参数）外加负面提示词与画面比例——不过 GPT Image 和 Imagen 偏好平实的句子，而 Stable Diffusion 系列则吃词语罗列和负面提示词；7 个精通技巧（多跑几次、一点一点加、参考图、局部重绘、固定种子、放大、保存好用的提示词）；AI 不擅长什么（手、文字、一致性、精细准确度）及其应对；以及工作中必备的版权、商用和伦理要点（依据美国版权局和 2025 年 Thaler 判例，纯 AI 产出的保护很弱，且各国有别；商用取决于各工具的条款；深度伪造和未经许可模仿画风是禁区；像 DALL-E 的 C2PA 来源元数据这样的标注正在普及）。该选哪个工具以及各工具的具体操作，链接到对比、Midjourney 和 Stable Diffusion 等文章。了解结构、多跑几次、把词语一点一点加上去——任何人都能逼近自己想要的那张图。

同样的 AI、同样的问题，有人说它没用，另一个人却惊叹它能干得几乎过头——造成这种差距的真正原因，往往不是 AI 的能力，而是提示词是怎么写的。本文把这项技能，即提示词工程，整理成一份实用大全，让初学者也能立刻上手。内容涵盖：什么是提示词工程（设计并改进你对 AI 的指令的技能，不是代码而是如何把话说好的功夫）、改变结果的三大原则（要具体、给出背景、指定输出，外加"要做 X"胜过"不要做 Y"）、核心的好提示词 6 个要素（角色、背景、指令、示例、格式、约束——COSTAR、RCOF 等主流框架共同列出的要素，并非每次都要全部用上）、7 个实用技巧（赋予角色、展示范例/few-shot、逐步推理、固定输出格式、用分隔符理清结构、别一次问太多、迭代——其中最强的是迭代）、一个 Before/After 示例、进阶技巧（思维链、自洽性、提示词链、ReAct——不过 o 系列和 Claude 扩展思考这类推理模型会在内部执行 CoT，因此说清目标更管用）、7 个常见误区，以及各模型小窍门与输入安全。文内附有指向应用开发提示词技巧和输入注意事项的内部链接。把含糊变具体，把一股脑变对话——任何人今天就能开始进步。

2025 年 6 月，OpenAI 的 Sam Altman 在博客上写道："我们已越过事件视界，起飞已经开始"（《温和的奇点》）。然而另一些研究者却干脆把这一想法斥为永远不会到来的东西。这篇初学者指南讲清：奇点（技术奇点）是"AI 超越人类智能并开始自我改进，从而使进步快得爆炸、再也无法被预测或控制的临界点"（截至 2026 年仍是假设，尚未实现）。文章涵盖其核心——智能爆炸 = 递归式自我改进，聪明的 AI 打造出更聪明的 AI，改进者从人类变成 AI；它与 AGI 和 ASI 有何不同（AGI/ASI 是智能的"状态"，奇点是变得不可预测的"事件"；AGI → 自我改进 → 骤然跃升至 ASI = 奇点）；这个词的历史（I. J. Good 1965 年的"智能爆炸"→ Vinge 1993 年让它流行 → Kurzweil 以"2045"使其主流化）；预测的巨大分散（Kurzweil 说 2045、Altman 说"已经开始"、Vinge，以及 Gary Marcus 和已故 Paul Allen 的"复杂性刹车"等怀疑者）；突然的硬起飞 vs 渐进的软起飞；希望（疾病与科学上的突破）与风险（失控、对齐问题）；深刻的怀疑（复杂性刹车、物理极限、完全是另一回事）；以及"机器人统治""AGI 一到来就立刻发生""已确定在 2045 年"等常见误解。既不过度恐惧，也不过度幻想——充分用好今天的 AI，同时冷静地观望接下来可能到来的东西。

2023年，一位律师因一份由ChatGPT撰写的书状引用的判例全是AI捏造而受到制裁——这起事件在全球散播了对法律与AI的警惕。然而短短几年内采用率便迅猛增长，据称超过90%的律师在日常工作中使用某种AI。作为继 #068（贸易公司）、#094（市场营销）、#097（咨询业）之后「按行业看AI影响」系列的最新一篇，本文概览专业领域：用数字看清现状（62%的律师称每周节省6–20%的时间；Harvey与Thomson Reuters的CoCounsel在2026年第一季度处理了超过1000万份法律文件；税务/会计/审计事务所的生成式AI使用从2024年的8%升至2025年的21%；一项Stanford研究显示会计等领域初级职位较2022年下降13%，会计师+5%、记账员-5%）、AI按职业改变的工作（律师＝判例检索、合同审查、义务提取；会计师＝记账、凭证核对、抽样、风险识别；税务顾问＝数据录入、起草报税表、法规检索——AI做基础工作，人类做最终决定）、幻觉这一最大陷阱（编造不存在的判例/法规——导致制裁和信任丧失；Harvey宣称引用核实准确率99.7%并标记其余，CoCounsel以判例数据库为依据故只引用真实判例）、不变的本质价值（最终判断、职业怀疑精神、伦理、灰色税务判断，以及决定性的、无法交给AI的签字与法律责任）、新人危机（学徒式日常工作的自动化）与新角色（AI合规官、税务提示工程师），以及面向执业者、立志者和客户的按立场建议（对照一手资料核实引用和数字；确认机密信息的处理）。监管与责任因国家而异；在日本，会计软件中的AI功能也已普及。AI抛出的问题：你出售的是工作，还是判断与责任？

给一小时的视频手动配字幕，过去要耗掉整整一天——听、暂停、敲字、对齐时间码。到了 2026 年，这种地狱只需"把视频丢进去，等几分钟"就完成了。本文聚焦于为视频和音频内容配字幕/转写（会议纪要见 #086，图片 OCR 见 #091），逐一讲解：AI 自动化的四个阶段（提取音频 → 含说话人分离的转写 → 加时间码生成 SRT/VTT → 翻译与排版）；字幕（SRT/VTT）与转写稿的区别及各自的用途；工具对比（免费又保密的 Whisper、整体编辑的 Descript、高准确率多语言的 Sonix 与 Happy Scribe、对个人友好的 Notta、移动端 CapCut、最省事的 YouTube 自动字幕——许多底层都用 Whisper 系识别）；最可复用的 4 步流程（准备 → 转写 → 校对 → 导出/挂载 SRT/VTT）；按场景推荐（YouTube、播客、讲座、采访、机密、多语言）；以音质占八成的六个准确率技巧（音质、语言设置、专有名词清单、查找替换、说话人分离、行长）；多语言康庄大道（打磨原语言 → AI 翻译 → 母语者审校）；以及易踩的坑——过度信任准确率、对噪声与术语吃力、版权、机密上传、时间码漂移。干净音频上准确率为 90～96%（已公布、视条件而定），人力下降 80～90%。工作交给 AI；收尾——核对专有名词、从头看一遍——交给你。

咨询新人的成长仪式——通宵赶制 PPT、靠人工做没完没了的调研——正在崩裂。麦肯锡的「Lilli」能在几秒内扫描 10 万份以上文档并起草幻灯片；BCG 的「Deckster」一瞬间完成幻灯片美化；据一项分析，初级分析师约 80% 的调研与制作幻灯片工作都可能在几秒内被替代。作为继 #068（贸易公司）与 #094（营销）之后「分行业看 AI 影响」系列的下一篇，本文审视咨询业：用数字看现状（四大与战略咨询所自 2023 年以来向 AI 投入超 100 亿美元，PwC 三年投 10 亿美元，BCG 2025 年 144 亿美元营收约 25% = 约 36 亿美元来自 AI，HBS 一项针对 758 名 BCG 顾问的研究显示使用 AI 的人任务多 12.2%、快 25.1%、质量高 40% 以上）、AI 改变的五大领域（调研、PPT、分析、纪要，以及全新的 AI 战略服务——目前在大型公司是净就业创造者）、金字塔模型的崩塌（初级常规工作据某种说法约 80% 在几秒内被自动化；走向精干的「少数几人 + AI」团队，伴随人才管道的隐忧）、计费的剧变（生产率悖论——完成更快意味着在按小时计费下收费更少——以及 73% 客户更倾向按成果计费，推动转向按成果计费与固定价）、不变的本质性价值（界定问题、解读、判断、信任、执行——驾驭系统的顾问比系统本身更重要）、巨头如油轮 vs 精品所如快艇的两极分化（据估计小公司增长率最高可达 50%），以及面向有志者、从业者与客户企业的分角色建议。AI 抛出的问题是：你的价值是作业，还是判断？

2026 年 1 月的达沃斯论坛上，这一领域最顶尖的头脑围绕"AGI 近在眼前"与"其本质仍然遥远"激烈交锋——导火索正是 AGI（通用人工智能）。本文面向初学者，先从 AGI 是什么讲起——"一种像人类那样、能在任何领域自主学习并解决全新事物的万能型 AI"（不过截至 2026 年它仍是一个尚未实现的目标）——再梳理它与如今 ChatGPT 那类窄域 AI 的决定性区别（能否把知识"迁移"到不同领域；泛化与自主习得技能）、窄域 AI → AGI → ASI（超级智能）的三阶段拆解、专家时间线预测的巨大离散（Anthropic 的 Amodei 乐观地认为在几年内／2027 年前后，DeepMind 的 Hassabis 谨慎地认为到 2030 年约 50%，研究者调查中位数为 2047 年，Marcus 等怀疑派则认为遥远或不会到来——这种离散源于定义不同）、如今的 AI 还有多远（在 ARC-AGI 上低于人类基线，但凭借多模态与智能体正向门口逼近）、所期待的益处（加速疾病研究与科学）与风险（就业、滥用、对齐问题——被 Anthropic 与 UK AISI 定位为关键的决策节点），以及"ChatGPT 已经是 AGI 了""AGI ＝ 具有意识"等常见误解。既不过度恐惧，也不过度幻想，在冷静观望接下来会发生什么的同时，先把手中的窄域 AI 用透。

2024 年底，Coca-Cola 用生成式 AI 制作的圣诞广告被批「没有灵魂」，这象征了 AI 给营销带来的拉锯战：「效率与效果」对「信任与情感」。本文先用数字看清现状（约 87% 的营销人使用生成式 AI，相比 2024 年的 51% 跃升；超过 71% 的广告支出由算法驱动；仅 2025 年第四季度 Google 就用 Gemini 制作了约 7000 万个创意素材；营销 AI 工具支出在 18 个月内约翻三倍）。文章涵盖 AI 改变的五大领域（① 内容创作 ② 广告创意 ③ 定向与投放/程序化 ④ 个性化/DCO ⑤ 分析与衡量）与报告中的效果（DCO 带来约 32% 更高 CTR、约 56% 更低 CPC，AI 文案 3.2 倍 ROI，第一方/情境定向高达 2 倍 ROAS——全部为公开发布值、依条件而定）；不会改变的核心（战略、品牌、信任、突破性创意留在人类手中——AI 是放大器，底数为零答案也为零）；SEO/AEO/LLMO 的地壳变动（附内部链接）；风险（AI 广告上 82% 高管对 45% 消费者的认知落差、看似可信的捏造、品牌安全、权利/监管、无人看管的失控运行）；营销人的工作如何转变（任务被拿走，判断变得更重；从生产者到总编辑兼战略家）；以及从今天起的五步实践计划。AI 最大的影响是把人类的时间从做事中解放出来，用于决策。

明天一早就要汇报，幻灯片却还空着——可只要输入一行主题，几分钟后 20 页草稿幻灯片就排在眼前。这就是 2026 年的 AI 幻灯片。本指南把做幻灯片拆成三个阶段（结构、讲稿、设计），并梳理两种思路：一站式生成（丢个主题，全都生成）vs. 分工协作（先在 ChatGPT/Claude/Gemini 里敲定结构和讲稿，再让专用工具做设计）。文中对比了主流工具（生成快的 Gamma、原生 .pptx 不错乱的 PowerPoint 内置 Copilot、协作强的 Google Slides 用 Gemini、最好看的 Beautiful.ai、模板丰富的 Canva，以及 2026 年 5 月上线的 ChatGPT PowerPoint 插件——没有绝对冠军，按出口来选），给出最可复用的 5 步流程（结构 → 讲稿 → 倒进设计工具 → 核实数字和出处 → 导出 .pptx/Slides）、三段可直接复制的提示词（大纲、充实一页含备注、改写成适配设计工具的格式）、让幻灯片打动人的六个要点（一页一条信息、把文字砍掉一半等），以及陷阱——.pptx 版式错乱、初稿臃肿、看似可信的数据捏造、机密外发，还有工具关停（以 Tome 于 2025 年 4 月结束幻灯片功能为教训）。AI 是瞬间产出草稿的伙伴；删减和核实是人的工作。