AI模型图文教程评测报告
目录
- 前言
- 一、评测背景与目的
- 1.1 参与评测模型
- 1.2 评分标准概述
- 1.3 本轮测评排名
- 二、逐篇评分详情
- 2.1 第一名：Kimi-K2.6
- 2.2 第二名：GLM-5V-Turbo
- 2.3 第三名：Kimi-K2.5
- 2.4 第四名：GLM-5.1
- 2.5 第五名：Qwen3.6-Plus
- 2.6 第六名：DeepSeek-V4-Flash
- 2.7 第七名：豆包Seed-2.0-code
- 2.8 第八名：DeepSeek-V4-Pro
- 三、评测结论
- 四、资源下载
前言
- 前置文章：使用Trae创作图文教程：从零到一的完整实战指南
- 评测对象：8篇由不同AI模型生成的图文教程（文章内容见【四、资源下载】章节）
- 评测标准：基于统一评分标准（满分100分，扣分制）
一、评测背景与目的
本次评测旨在评估不同AI模型在生成技术图文教程方面的能力差异。我选取了Trae中8个大语言模型，让它们基于同一套文章大纲和参考图片，生成关于"Claude Code + CC Switch 配置"的图文教程，并按照统一的评分标准进行打分。
文章生成方式：使用 Trae 切换模型生成，每次创作之前会清理历史会话。硬性规定了创作大纲、配图，其它内容由AI生成。
1.1 参与评测模型
- 多模态模型（具备图像理解能力）：Qwen3.6-Plus、Kimi-K2.6、Kimi-K2.5、GLM-5V-Turbo、豆包Seed
- 文本模型（仅文本生成）：GLM-5.1、DeepSeek-V4-Pro、DeepSeek-V4-Flash
气氛组：GLM-5.1、DeepSeek-V4-Pro、DeepSeek-V4-Flash，由于好奇心才加入了这几个模型，他们不擅长