27 6 月

1290万考生,命运交给AI的第一个夏天:五大平台高考志愿Agent实测

1290 万考生,命运交给 AI 的第一个夏天:五大平台高考志愿 Agent 全面对比 2026 年的高考季,13,278,000 个家庭发现一件从未有过的事——打开手机,输入分数,一个 AI Agent 就能在几分钟内生成一份完整的志愿填报方案。 不是去年那种「输分数吐表格」的查询工具。今年上线的,是真正的 Agent。它们会主动问你父母的职业、你讨厌哪个城市、你喜欢动手还是动脑、你的 MBTI 人格是什么——然后基于这些信息,调用几十个专业工具,生成几十页的定制化报告。而且全部免费。 同一天,三家公司集体亮牌 6 月 5 日,腾讯旗下 QQ 浏览器与元宝联合上线「元宝高考通」。6 月 10 日,阿里千问上线国内首个「全周期高考志愿填报 Agent」,百度发布高考服务全面升级方案。6 月 11 日,新东方 AI 志愿通跟进。加上连续第 8 年服务高考用户的夸克——不到一周时间,中国互联网最重要的五家大厂,全部入局。 1290 万考生,背后是 2500 万以上的父母。需求极度刚性:成绩出来后,大多数家庭只有 3-7 天时间做出可能影响孩子一生的决策。信息量大、时间窗口短、决策压力大——这正好是 AI Agent 最擅长的场景。 五大平台实测对比 千问:最像「真人专家」的 Agent 千问的高考志愿 Agent...
27 6 月

实测:在 5 款免费的 AI 高考志愿工具里,我输入了同一个分数

实测:在 5 款免费的 AI 高考志愿工具里,我输入了同一个分数 高考出分了。不管你是刚查到成绩的考生,还是正在帮孩子算分划线的家长,接下来的 3 到 7 天里,你都要完成一件事:从近 3000 所高校、800 多个本科专业里,选出一份志愿填报表。 我花了整整一个下午,用同一个虚拟考生身份——上海考生,物化生选科,600 分,想去北上广深,对计算机和 AI 方向感兴趣——把市面最主流的五款免费高考志愿 AI 工具全部跑了一遍。 千问:AI 真的在「了解我」 千问没有一上来就让我填分数。它先给我建「个人档案」。然后问我:想去哪个城市?想学什么专业?以后打算考研还是直接工作?你的性格是什么样的?填志愿最大的难点往往不是「不知道有什么学校」,而是「不知道自己想要什么」。千问花了 5 分钟帮我想清楚这个问题,然后再开始推荐方案。 我随口提到「如果学校特别好,去外地也可以」,推荐的院校列表立刻变了——武汉大学出现在了冲刺层。这就是 AI Agent 和传统查询工具的区别。 元宝:信息量碾压一切 元宝高考通像一个把所有参考资料堆在你面前的图书馆员。横向网页式布局,按「院校优先」和「专业优先」划分。点击任何一个推荐院校,打开的信息卡片里有近三年录取分数线、最低录取位次、你的分数对应的录取概率。「录取位次」和「录取概率」是填志愿的绝对核心数据。 百度:三层专家审核,家长安心指数拉满 百度做了一件中国家长最需要的事——让人放心。第一层训练阶段就用资深顾问经验训练 AI,第二层接入规则引擎由教育平台持续更新填报规则,第三层对边缘分数和不确定案例有真人专家人工审核。如果你家是那种「不求冲最高的,但求不翻车」的家长——百度最省心。 新东方:6 个 AI 在你面前「吵架」 新东方不给你「最优方案」——它给你 6 个方案,分别来自 6 个立场完全不同的 AI 规划师。名校派说冲复旦,就业派说去华科薪资更高,城市派说留上海资源都在这里,数据派说根据你的位次最合理的冲刺是华东师范,平衡派说三维度各占三分之一,执行派说求稳选华东理工。 6 个 Agent 把不确定性摊开给你看,反而让你更容易做决定。 夸克:8 年老兵,稳得一批 夸克在「AI Agent 能力」这个维度上被千问和元宝拉开了差距,但它的强项是数据基础设施——8 年时间积攒的录取波动、专业兴衰、政策变化,这种积累不是一次性大模型训练可以替代的。 我的最终推荐 你的情况推荐工具理由不太确定想学什么千问个性化理解最强,会帮你先想清楚目标很明确,要数据元宝信息最全面,录取概率算得最细家长对...
22 6 月

MiniMax M2开源:一个Agent专用模型把价格打到了Claude的8%

MiniMax 6月22日开源M2模型:专为Agent和代码场景打造,仅Claude Sonnet价格8%、速度2倍。Apache 2.0完整开源,Agent产品限时免费。
3 6 月

微软 Build 2026 暴击:7 款自研 AI 模型齐发,Project Polaris 替换 GPT-4,微软的「AI 独立宣言」

> AI 摘要 > - 微软 Build 2026 发布 7 款自研 MAI 模型:推理、编码、图像、语音、转录全模态覆盖 > - Project Polaris:微软自研编码模型,8 月起替代 GPT-4 Turbo 成为 GitHub Copilot 默认引擎 > - MAI-Thinki...
3 6 月

Cerebras 跑 Kimi K2.6 达到 981 tokens/s:万亿参数模型的「推理经济学」被改写了

> AI 摘要 > - Cerebras CS-3 在 Kimi K2.6 上跑出 981 tokens/s,是 GPU 云服务的 6.7 倍 > - 10K 输入 + 500 输出任务:Cerebras 5.6 秒完成,官方 Kimi 端点需 163.7 秒 > - Kimi K2.6:1T...