给你的 AI 一次面试：如何通过“氛围”评估其能力
本文通过模拟“面试”方式测试多个 AI 模型在不同任务中的表现，发现它们在处理特定场景时存在明显差异。Claude 4.5 Sonnet 在写作任务中表现突出，Gemini 2.5 Pro 在计数任务中出现误差，GPT-5 Thinking 风格多变但有时影响连贯性，而 Kimi K2 Thinking 也有类似问题。这种基于“氛围”的测试方式虽具主观性，但能揭示标准化基准难以捕捉的模型特性。
#OpenAI
One Useful ThingAI 评分3838
Fly.io 博客精选AI 评分5858 Fly.io 博客：为什么你应该亲手写一个 AI 智能体
作者认为理解 AI 智能体的最佳方式是亲手构建一个，并展示了使用 OpenAI Responses API 从零开始实现一个具备工具调用能力的智能体的核心代码。文章指出智能体的核心是管理上下文数组和工具调用循环，其设计自由度很高，实现子智能体、上下文工程等复杂功能在代码层面可能非常简单。作者鼓励开发者通过实践来形成自己对这项技术的判断。
推荐理由：作者通过亲手构建一个简单智能体的代码示例，展示了其核心机制和设计自由度，为读者提供了可复现的实践起点。
Ollama 博客AI 评分5151 Ollama 宣布集成 OpenAI 开源安全推理模型 gpt-oss-safeguard
Ollama 宣布与 OpenAI 及非营利组织 ROOST 合作，将开源安全推理模型 gpt-oss-safeguard 提供给用户，用于安全分类任务。该模型提供 20B 和 120B 两个版本，采用 Apache 2.0 许可，核心功能包括根据用户书面策略进行推理、提供完整的推理过程以及可配置的推理强度。
One Useful ThingAI 评分3838 使用 AI 的有偏见指南：如何选择 Claude、Gemini、ChatGPT 等先进系统
本文提供了一份关于当前如何正确使用 AI 的指南，建议根据实际需求选择免费或高级模型。Claude、Google 的 Gemini、OpenAI 的 ChatGPT 和 xAI 的 Grok 是目前最先进的四款 AI 系统，其中 Gemini 在免费图像生成方面表现最佳，而 Claude 缺乏图像和视频生成能力。