中途用了三四个模型，分别是ds-v4.1-flash、GPT-6/6.1-Sol、Kimi-K3/K3.1。

整体体验下来，K3/K3.1的表现非常好，但是额度太少了，99的套餐5小时额度只够解决一个困难问题。很极限。
GPT-6/6.1-Sol用的是中转站的。不像掺水的，前前后后花了100+。除了能接到codex里无监管跑一晚上之外，基本上不堪大用。200K的上下文动不动就压缩体验很一般。这个钱花的非常冤枉，有这钱爽蹬v4.1了。中转站+codex的体验也很糟心。
DS-V4.1-Flash非常难评。接dsh只能自己跑半个晚上就目标阻塞，接codex更是两三步就停了。但毕竟便宜，也不会犯大错。原谅了。

Kimi的参数量终究是有优势。v4.1-flash解决不了的嵌入式问题换k2.8就能解决了。要知道v4.1-flash-1017的跑分都比肩k3了，但是在嵌入式这种冷门编程（？）领域、需要用到世界知识的场景下，解决问题的能力就是不如大参数量。

目前已经完整实现了离开PC接到任意电源上轮播图片和视频、虚化/景深驱动，作为Windows桌面扩展副屏K3.1还在艰难的啃。

#ai #大模型 #嵌入式 #逆向工程 #ai逆向 #deepseek #kimi #kimik31 #kimik3