（来源：上观新闻）
Qwen3.6♠-Plu🧡s： GLM🐤-5.1🌖： Dee🔫🍙pSeek V4💅🕙 Pro：💊 Min🇱🇸iMa❓x M2.⤵🕳7： Gemin🖇i-3.🈂1-Pro：🆘 为什么不对比k📒imi K2.🦛🇮🇪6？K🛤imi🤶说他有点🧽☪累了，让我晚点👯♂️☝再问一🇧🇦⛎下👘。
然而，这一格局对🤫🏇AI创业生态的🥬🏃♀️长期影🧿响不容忽👩👴视🧞♂️🗒。这些能🌉力在真实🇰🇿生活中⏱用起来🐟🧠怎么样？我们设计😠🇨🇦了一个贴近👃家庭的🧜♀️测试来验证☘。
技术的诚实😺和商业的自信，在😛这里并行🧚♂️🙂不悖📱👼。在LoC🇪🇹👇oMo📪基准测试上（该基🤸♀️准由来自麻省大🇦🇿学等机构🇻🇺的研究者于202👔☮4年A📅📿CL会议发表，🔪专门评测LLM代👨🌾🇩🇯理的超长期对话🇰🇵🗝记忆，全🦗➰称是Evalu☝ating Ve🤨ry Lo😬ng-term 🦔Con✳🏙versati🌿ona🧚♀️❄l M💄🕓emory🔍📐 of LLM 🔞📑Agent⛰🌎s），🎼研究者取了1➿🔝0个对话中的2🇧🇶🍅个，摄入🐯了1585条💄🏉事实，🏜💩生成304对🚴🏭问答对🇧🇶，用Azure☺的GPT-5.🇨🇩领会推广网4-mini作为🆖🛶评判模型🇭🇷，以L🧛♀️🍤ike🇹🇭🐨rt量表😞1-5分、≥🇨🇬4分算正确的方式🐖🐉打分📋。
