在百度千帆 TokenPlan 一口氣測完DeepSeek、GLM、Kimi、ERNIE，同一任務誰更強？

AI MODEL · 橫評實測 2026.07

干活必須上最好的模型？

四大國產模型 同題競技

誰合適，誰就上

PPT · 信息圖 · 公眾號排版 · 長文潤色 · 四輪實測

百度千帆 Token Plan · 實測

OPENCODE SKILL

大家好啊，我是等待 WAIC 開幕的甲木，

人已經到上海兩天了，準備迎接 WAIC 開幕，這次規模非常大，大會的票前兩周就被搶光了……這次依舊我們去年的傳統，會給大家帶來「機器人的探展直播」。

再來回答一下大家關心的問題，前段時間不是開源了「公眾號排版 Skill」，三天 2.1k Star，大家的反饋還是可以的。

但是也有很多朋友好奇，國內的模型跑出來效果怎么樣，以及最近模型更新很快。今天這個刷榜，明天那個升級。

可真輪到自己干活，真的有必要上最好的模型嗎？

為了驗證這個問題，我把我最近主要的幾個需求，用百度千帆 Token Plan 里的 DeepSeek-V4-Pro、GLM-5.2、Kimi-K2.6 和 ERNIE 5.1 輪番跑了PPT、HTML 信息圖、公眾號排版和寫作四輪任務。

再用 Codex 進行評估。

這一跑就是一整晚，還把我Codex 的周限額也燒完了。還好今天早上額度重置，不然這篇可能真要卡在這里了 = =

先來說結論：

DeepSeek

數據密集、需要把邏輯壓緊的任務，可以先試

GLM

強調結構和邊界的任務，可以試

Kimi

長文和視覺表達，可以試

ERNIE

中文語境下的表達交付，也可以試

對了，簡單介紹一下百度千帆 Token Plan，它是一個面向個人開發者的多模型訂閱計劃。

以我這次用的 Pro 檔為例，200 元一個月，包含 2.3 億 Tokens。多款主流國產模型，共用這一份額度。

— 支持的主流模型

現在模型能力上來了，再疊加Skill 的硬約束，很多模型其實都能做得不錯。

好，我們直接看實戰場景，拿結果說話。

以下幾個場景為了方便，我直接用 OpenCode Agent 疊加百度千帆 Token Plan 計劃來跑，多模型切換極其方便。

4 Parts + Conclusion

滑動

PART 01

PPT 實測

同題四種講法

PART 02

HTML 圖

風格統一個性在

PART 03

公眾號排版

差距縮得很快

PART 04

公眾號寫作

比事實比修改量

PART ///

選模型只看三點

01

PART

PPT：同一份材料，四種講法

PPT BATTLE · ROUND 01

第一輪，測 PPT。

藏師傅的 PPT Skill 爆火，而且PPT 永遠是打工人逃不過的檻，

譬如我現在要給老板做匯報，我會直接調用guizang-pptSkill，讓它生成一份可以繼續修改的 html。既方便演示，又美觀。

我直接輸入同一份 prompt，

— OpenCode 中同一份任務的 prompt

然后接入百度千帆里面的不同模型，我們來看看四個模型生成的封面和數據頁。

— OpenCode 模型接入百度千帆 Token Plan

先看封面：

— PPT 封面四種模型效果

再看數據頁：

乍一看都挺像那么回事，排版也符合 Skill 規范。但仔細看，你會發現它們講故事的習慣很不一樣。

DeepSeek-V4-Pro 的頁面秩序更規整，標題、層級和節奏都穩。

Kimi-K2.6 和 GLM-5.2 很相似，都喜歡把信息壓緊，數字和結論挨得很近，比較適合業務分析和復盤。

ERNIE 5.1 則繪制了一個矩形圖。該有的數據頁、流程頁和結論頁都在，還挺有設計感。

如果只問誰“會不會做 PPT”，這輪分不出高下。

02

PART

HTML 信息圖：風格被統一了，個性還在

SOCIAL CARD · ROUND 02

第二輪再來試試藏師傅的社交信息卡片的效果，小紅書、小綠書的貼圖神器，

直接調用guizang-social-cardSkill。

要求是生成 6 張 HTML 信息卡，再做一組公眾號封面。所有頁面統一使用Swiss Style 和 IKB 克萊因藍，不聯網找圖，也不用 AI 生圖，只靠文字和排版完成。

— OpenCode 中同一份任務的 prompt

來看看生成的效果：

— 信息圖封面

— 信息圖檢查頁

這一輪最直觀的感受，是——

Skill 的強約束真的能把風格拉到同一條線上

網格、配色、標題層級都被 Skill 固定住了，模型沒有太多亂發揮的空間。差異留在更細的地方：有人偏幾何秩序，有人更在意閱讀路徑，也有人會把標題和組件做得更飽滿。

跟上輪測試一樣，Kimi-K2.6 很喜歡做對比，ERNIE 5.1 則又開始繪制圖表。

這其實很像給四位設計師發了同一套瑞幸咖啡的品牌手冊。最后的作品可能各有千秋，但都遵循了一樣的品牌風格，讓人看的出來是什么牌子。

03

PART

公眾號排版：差距縮得比我想象中快

GZH DESIGN · ROUND 03

第三輪，就是我跟小李一起合作開源的公眾號排版 Skill，這個 Skill 是把同一篇文章交給四個模型。

標題區、引用、分節、重點標注和總結組件都要做，最后還得輸出一份可以復制進公眾號繼續編輯的 HTML。

這里其實不用這么復雜的 prompt，直接說一句用摸魚綠風格幫我把XX文章進行排版就可以了……

先看 DeepSeek 和 GLM：

再看 Kimi 和 ERNIE：

乍一看，基本看不出任何差異是不是？

拿掉模型名，讓我只看成品，我未必能一眼猜出分別是誰做的，都很美觀。

字號、間距、組件、兼容性和復制效果，過去都要靠模型臨場發揮。

現在 Skill 把它們寫成了規則，模型只需要在邊界內組織內容。

說白了，Skill 先把最容易翻車的地方管住了，這個時候模型之間的差異就很小了。

所以，gzh-design還是基本適配國內所有模型的，歡迎大家使用！

04

PART

公眾號寫作：別截金句，要看同一段怎么改

HUMANIZER · ROUND 04

之前很多人說 AI 生成的內容 AI 味兒比較濃，

這里我們來試試不同模型的語言表述，不比辭藻，比事實和修改量。

最后一輪，我用Humanizer-zhSkill 做公眾號長文潤色。

原稿還是那份 6 周工作流案例，有固定事實、固定數字，也寫清了能力邊界。

四個模型都要在不改事實的前提下，把空話、套話和 AI 味清掉。

再看看能力邊界段，

在寫作方面上，就可以看出不同模型的區別。

DeepSeek 會主動加判斷，句子更硬

GLM 會把因果和邊界解釋清楚，收束得比較穩

Kimi 讀起來順，面向普通讀者時比較親和

ERNIE 傾向把事情交代完整，結尾會落到具體動作上

但是四個模型都有不同程度的 AI 味，

寫作這件事，模型們屬于是越發展越退步了……

很長一段時間還是得依賴人類的品味和判斷。

LAST

CONCLUSION · HOW TO CHOOSE

其實大家也能從這四個任務里面看出來，在涉及到這種編碼場景的情況下，所有的 AI 模型當前都完成得差不多。

我們會發現，整個國產模型當前完成的一些效果也都是比較良好的。

在 Skill 有強約束的情況下，很多模型都可以很好的交付結果

沒必要用高射炮打蚊子

它們當然還有差異。只是這種差異越來越像分工，而不是“一臺能干活，另外三臺不行”。

我現在選模型，只看三點：

能力

模型的能力邊界

價格

是否跟能力匹配

交付

能否穩定按 Skill 交付

這也是 TokenPlan 的實際價值。

同一個計劃里能切換多種模型，寫作、排版、PPT 和視覺任務不用綁死在一家模型上，誰適合當前任務，就讓誰上。

順帶一提，百度千帆TokenPlan還挺穩的。這個批量測試我從晚上 8 點開始，整晚沒有遇到中斷。跑完這一大輪，后臺用量大約消耗了 8%。

— 非常耐用！

我買的，不只是更多 Token。

是需要干活時，能從同一個模型池里挑到合適的那個，少排隊、少重試，別讓工具把自己的工作心流打斷。

以上。

我是甲木，熱衷于分享一些 AI 干貨內容，同時也會分享 AI 在各行業的落地應用。

如果你覺得今天這篇有收獲，隨手點個贊、在看、轉發三連吧，我們下期再見。

轉發

THANKS FOR READING