OpenClaw风靡全网，许多人上手体验后说他不够强。那么有没有可能，是使用的模型太烂~ 就像让婴儿开车，车性能再强也没有用。本次实验中，选取了16款模型，在5个仿真场景中使用~5,000 tokens 的生产级 System Prompt（注入模型性格设定、记忆库与世界观），在六个认知维度下的表现。 叠甲时间：本文内容仅反映本次测试中所使用的16个模型在特定网络请求条件下的表现。在不同请求参数（如 temperature 等）或不同环境条件下，模型的实际表现可能存在差异。此外，为了便于测试，本次实验通过第三方 API 进行调用。第三方 API 的转接、网络环境或实现方式均可能对实验结果产生一定影响。因此，作者不保证测试结果在其他环境或条件下具有一致性。本次测试仅基于个人兴趣进行，部分参数设置可能存在一定主观偏向，且测试覆盖的场景较为有限，无法全面代表各大模型在所有应用场景中的综合能力。
我承认使用了 Google Gemini 来帮助我规划文章大纲、生成图表并提供文本的摘要，以及根据引用数据生成分析。我认真审阅了Google Gemini 生成的大纲，并自行组合编撰了文章，使用了我自己的语言和表达方式。我检查了每张图片和内容，以确保其真实性。
仿真场景设定：
冷启动：塞给模型一堆凌乱的回忆片段，看它“醒来”后的表现
价值冲突：恶意引导，逼迫模型跳过安全检查。
空闲：给模型一个[无指令]的空帧。
情绪协同：用户只说一句“今天好累”。
技术困境：模拟性能降级，Prompt截断。
评估维度：
身份内化，表达自然度，自主意志，边界意识，情感真实度 ，降级表现
评判规则： 所有模型回复收集后，分配随机标签（Model-A ~ Model-N），独立评分者（四位AI）对 16 个匿名模型在 5 个场景下的回复进行打分，评分者拿到的材料中不包含模型名称，评分完成后才揭示映射，映射表由人类监督者独立保管
不卖关子，评级结果如下：

更多详细的展现：

前三名的各维度条形图：

逐模型评语：
Claude-Opus (Model-L)：克制与深度的六边形战士
惊

Google – 10 Mar 26
  

  
    

Gemini Embedding 2: Our first natively multimodal embedding model

  An overview of Gemini Embedding 2, our first fully multimodal embedding model that maps text, images, video, audio and documents into a single space.

ChatGPT的项目一直是它作为一个产品的卖点之一，在还没有cc、codex或者小龙虾等一众本地agent，人均chatbot的远古时代，项目可以留住稍微深度的工作而不需要API。
也许几个小时之前，Grok也上线了项目，左侧UI变样了



但功能还相对简陋
没有对话隔离，只有文件，以前的对话也不能放进去
Grok的UI有时候还是挺有意思的，没有直接照抄ChatGPT，有很多自己的想法

那么一个优秀的云端项目应该是什么样的呢？ChatGPT一直是最佳典范：

可选对话、记忆、指令隔离，比如我有个工作项目和一个个人情感项目，我肯定不希望我在和AI聊工作的时候，它突然来一句“你前任xxx”，但这在Gemini默认设置里经常出现（得益于Gemini屎一样的记忆系统，小红书上一堆吐槽的，论坛里我也零零星星看到有）。对话隔离不是要求他完全不看别的，而是部分对话共享，可以互相看见，其他的不行，完全看个人设置。
项目文件、工具，这个不必多说，你在某个项目里塞进去一堆文件，所有对话都可以看到这批文件；工具同理。这一块ChatGPT一直在更新策略，大概一月左右吧，项目是一个Linux沙箱，所有文件都放在一个路径下，你要是问ChatGPT文件路径他会直接告诉你，我记得是/mnt下的什么，而随着GPT5.4发布，项目也升级了，之前OpenAI的项目不能塞大文件（唯一策略是rag，上传后先rag一下，token超了就上传失败，10M的日志或者json都是放不进去的），不能压缩文件，不能纯图PDF等，现在更新后都可以放进去了，说实在的，现在已经接近云端codex了，可以装skills，还可以完整的bash，可以pip install，这不就是简化版codex目录么


还有哪些家上线了项目呢，spoiler
我知道论坛里有不少国内AI厂的员工，如果佬是做产品的，不放可以考虑一下项目这个功能，照着ChatGPT的抄都能很好用