调整了一两天，重回案头工作的节奏。
实话说，Gemini 2.5-Pro 发布有一段时间了，但是一直没有认真的在“生产环境”里测试过，反而是用新版 GPT-4o 干了很多“生图”的活。
在移动的手机环境下，确实 ChatGPT 和 Claude 更有用，一个做 Deep Research + “娱乐”，一个做“可视化”。
当然，如果把这些模型串起来也会很有意思，比如，用 Gemini 分析自己的搜索记录，然后用 Claude 做可视化，或者直接用新版 GPT-4o “生图”，就会出现不同的效果。
比如，Claude 3.7 的可视化效果，妥妥生产力工具。
当然，如果用新版 GPT-4o，就完全是不同的画风了。
显然，从风格上来讲，自然偏好新版 GPT-4o 的结果，哪怕在细节上因为 token 量的限制存在瑕疵，但依然必须承认，这个效果已经无限接近“专业级”的娱乐需求了。
是的，ChatGPT 依然是日活最大能力最全面的模型：
- 几乎所有场景，ChatGPT 都能给出还可以的结果，一个很奇特的现象是，每次无论是 OpenAI 发布新模型还是竞争对手“脚踩 OpenAI”，ChatGPT 都能有更快的日活提升；
- 无论 OpenAI 的 Deep Research 是不是一个相对独立的模型，它依然能对每个问题都能给出最全面最完整的回答，当然，相对而言，因为搜索方面的“短板”，它的来源引用量和“新鲜”程度确实都不如 Gemini 2.0 加持的 Deep Research（但是 Gemini 的 Deep Research 输出篇幅有点短，同时对于长提示词会造成注意力偏移）；
- 新版 GPT-4o 恐怖的生图能力，不仅仅是来个 Ghibli 风格，而是可以成为海报利器，是的，我相信 99% 的人不如它；
- OpenAI 接下来的秘密武器可能就是藏在背后的“世界模型”，虽然从上到下一点点生成的过程免不了“刻意为之”的嫌疑，但是对算力的更大需求应该也是事实，我只是好奇，到底是以图像表达的文字需要的 token 数量大，还是以文字表达的文字需要的 token 数量大？
- 大力“玩梗”当然不仅仅是为了娱乐，“模型即应用”才是那个已经开始毫不掩饰的“野心”；
生产力中，生图当然只是很小的一部分，处理文档才是一个非常重要的高频场景。自从 Gemini-1.5 提供了百万 Token 的上下文支持后，Gemini 系列模型就一直是我最重要的文档处理工具，勤勤恳恳的劳模。
不过，百万 token 是输入的上下文，输出上下文还是会限制在 8K，所以如果要对一本几百页的书做完整总结的话，最好的方式是一章一章来，当然，Gemini 模型“劳模”的具体表现还在：真的可以勤勤恳恳的一章章来。
如今，Gemini 2.5-Pro 发布，吸引我的并非什么思考模型，而是 64K 的输出上下文，妥妥的生产力工具大升级。
例如处理一份宁德时代的 2024 年报（超过 200 页）。
思考过程是这样的：
真的是一页页处理：“思考”过去的。
而结果可以到这样的颗粒度：
完整的输出 token 量超过 25K。
是的，就是这么强大，唯一的强大。
当然，完全可以在一个对话里生成一份可交互的分析报告，封面如下图。
不过，我还是习惯性地使用已经固化好的 Claude 3.7 流程来完成。
然而，在已经非常成熟的流程模板下，生成结果翻车了：如果按照图表的单位（亿元），那么宁德 22 年收入只有 3.29 亿元？
问题出在量纲，财报里的单位是千元，所以在代码的数据里写了是按照千元为单位的数字，即 22 年收入应该为 3286 亿元。
模型把量纲遗漏了，然后到了图表的代码里，按照亿元来处理了。
挺可怕的错误。当然这个是否能称为“幻觉”可能值得商榷。更大可能还是因为 Claude 3.7 的上下文长度有限。
但是，这也意味着即使是在程序能力上已经如此出色的 Claude 3.7，依然可能随时犯很低级的错误。
当然，在我之前其他的应用中，Claude 也犯过一些其他低级错误，看起来，目前，human-in-loop 依然是非常重要的流程。
是的，模型们每一天都在变好，每一次模型错误与不足的发现，其实都是因为我们又往前走了一步。
是的，那个“万物计算”的世界底层正在快速的坚实起来。