冯若航从“数字同事”视角点评主流大模型的人格特点：ChatGPT严谨但官僚、爱甩锅，适合硬核工程；Claude理性高情商、审美佳、敢决策，是军师型伙伴；Gemini文科与情商突出，擅长写作润色但易讨好；GLM道德约束低、吃苦耐劳，适合脏活与漏洞挖掘。文章还汇总了各模型的互评，并指出选型应依据任务与成本，而非单一排名。

2026年9月，OpenAI发布GPT 6 Luna，编程Agent得分41分，低于前代GPT 5.6 Luna的43分，多项代码指标退步，但推理成本降低约六成。同价位DeepSeek v4.1 Flash以5520亿总参数、极小激活规模，在DeepSWE v1.1达74.2%，反超Luna的约67%。开发者实测旧模型体验更好，社区猜测或为商业策略性淘汰，或为算力分配不足。两者能力侧重不同：Luna强于指令遵循，DeepSeek擅自主决策。建议按自身开发模式选型，并用真实工作流验证版本更新。

研究比较11种票据抽取系统，发现微调开源视觉语言模型在合成支票上F1超0.98，无需都用最大模型。选型应依据版式稳定性与错误代价：固定模板可用OCR加规则，版式多变再用VLM，样本多且字段稳定才值得微调。建议用真实文档分层测试，按字段设阈值，低置信度转人工，并保留规则基线和回归集。

Uber公开AI成本优化实践：通过将总花费拆解为六个可独立优化的变量，并采用四层架构管理智能体，实现了周活跃用户增长7倍、请求量增长9.4倍的同时，AI总支出自4月起保持稳定，单次请求成本下降34%，会话成本下降52%。核心方法包括模型选型基准测试、MCP工具CLI化、Code-Mode压缩Token、优化Prompt Cache TTL及构建上下文图谱，强调成本可见性与文化引导，为AI编程降本提供了系统化工程方案。

加州大学伯克利分校研究发现，大语言模型的自动化与增强能力几乎不相关，模型排名因角色而异。在7个真实任务中，增强冠军与自动化冠军多非同一模型，指导有时甚至降低工人表现。研究建议模型选型应依据具体角色，而非单一榜单。

DeepSeek部署应用与技术开发研讨会将于3月13日在上海举行，重点讨论模型选型、场景部署及应用实战，邀请行业专家分享经验，促进企业技术交流与合作。

DeepSeek将于3月13日在上海举办应用与技术开发研讨会，重点讨论模型选型、场景部署及应用实战，邀请行业专家分享经验，促进企业技术交流与合作。

文章提出构建更佳大语言模型应用的四大要诀：用LangChain等智能体与编排工具增强应用，使其能自我检查纠错；利用向量检索与RAG突破提示长度限制、减少幻觉；聊天机器人让用户以对话方式精细调整查询，使用率更高；选型时考虑开源及小型模型，兼顾数据安全、成本与响应速度。