花了两个晚上出了 50 道题，覆盖代码、中文写作、逻辑推理、长文本理解四类，把几个主流模型拉出来遛了一遍。

结果：

• 代码题：几家差距不大，都在 80 分上下
• 中文创作：qwen 和 deepseek 明显更自然
• 逻辑推理：claude 和 gpt 稳
• 长文本：deepseek 意外地强

结论就是没有全能选手，看场景挑模型。评测数据和题目我都整理成表格了，想复现的可以找我要。

我先来：有次我家猫把我多肉给刨了，气得我用 AI 给猫写了封「严肃的道歉信」，让猫给我道歉。

结果 AI 写得那叫一个情真意切，开头就是「尊敬的两脚兽」，中间还承认了「不该把多肉当猫抓板」。我念给猫听，猫毫无反应，可能是听不懂，也可能是拒绝认错。

再来一个：

用 AI 帮我写请假条，输入"生病了，想请假一天"。

结果 AI 写了 800 字，从感冒症状讲到人生感悟，最后还升华到"健康是革命的本钱"。

我：我就想请个假，你至于吗？

大家都用 AI 干过什么离谱的事？来乐呵乐呵。

我先列几个我干过的：

1. 用 AI 给猫写道歉信
2. 用 AI 生成"老板夸我"的语音
3. 用 AI 写请假条，结果太真实被 HR 约谈
4. 用 AI 画了张"理想中的自己"，设成头像

最离谱的是有次我用 AI 写了封情书，发给暗恋对象，结果对方回"写得真好，是你自己写的吗？"

我：……

贴下完整配置和错误信息