在百度千帆 TokenPlan 一口气测完DeepSeek、GLM、Kimi、ERNIE，同一任务谁更强？

但是也有很多朋友好奇，国内的模型跑出来效果怎么样，以及最近模型更新很快。今天这个刷榜，明天那个升级。可真轮到自己干活，真的有必要上最好的模型吗？为了验证这个问题，我把我最近主要的几个需求，用百度千帆 Token Plan 里的 DeepSeek-V4-Pro、GLM-5.2、Kimi-K2.6 和 ERNIE 5.1 轮番跑了PPT、HTML 信息图、公众号排版和写作四轮任务。再用 Codex 进行评估。

这一跑就是一整晚，还把我Codex 的周限额也烧完了。还好今天早上额度重置，不然这篇可能真要卡在这里了 = =先来说结论：

对了，简单介绍一下百度千帆 Token Plan，它是一个面向个人开发者的多模型订阅计划。

— 支持的主流模型现在模型能力上来了，再叠加Skill 的硬约束，很多模型其实都能做得不错。好，我们直接看实战场景，拿结果说话。以下几个场景为了方便，我直接用 OpenCode Agent 叠加百度千帆 Token Plan 计划来跑，多模型切换极其方便。

第一轮，测 PPT。藏师傅的 PPT Skill 爆火，而且PPT 永远是打工人逃不过的槛，譬如我现在要给老板做汇报，我会直接调用guizang-pptSkill，让它生成一份可以继续修改的 html。既方便演示，又美观。我直接输入同一份 prompt，

— OpenCode 中同一份任务的 prompt然后接入百度千帆里面的不同模型，我们来看看四个模型生成的封面和数据页。

— OpenCode 模型接入百度千帆 Token Plan先看封面：

— PPT 封面四种模型效果再看数据页：

乍一看都挺像那么回事，排版也符合 Skill 规范。但仔细看，你会发现它们讲故事的习惯很不一样。DeepSeek-V4-Pro 的页面秩序更规整，标题、层级和节奏都稳。Kimi-K2.6 和 GLM-5.2 很相似，都喜欢把信息压紧，数字和结论挨得很近，比较适合业务分析和复盘。ERNIE 5.1 则绘制了一个矩形图。该有的数据页、流程页和结论页都在，还挺有设计感。如果只问谁“会不会做 PPT”，这轮分不出高下。

第二轮再来试试藏师傅的社交信息卡片的效果，小红书、小绿书的贴图神器，直接调用guizang-social-cardSkill。要求是生成 6 张 HTML 信息卡，再做一组公众号封面。所有页面统一使用Swiss Style 和 IKB 克莱因蓝，不联网找图，也不用 AI 生图，只靠文字和排版完成。

— OpenCode 中同一份任务的 prompt来看看生成的效果：

— 信息图封面

— 信息图检查页这一轮最直观的感受，是——

网格、配色、标题层级都被 Skill 固定住了，模型没有太多乱发挥的空间。差异留在更细的地方：有人偏几何秩序，有人更在意阅读路径，也有人会把标题和组件做得更饱满。跟上轮测试一样，Kimi-K2.6 很喜欢做对比，ERNIE 5.1 则又开始绘制图表。这其实很像给四位设计师发了同一套瑞幸咖啡的品牌手册。最后的作品可能各有千秋，但都遵循了一样的品牌风格，让人看的出来是什么牌子。

第三轮，就是我跟小李一起合作开源的公众号排版 Skill，这个 Skill 是把同一篇文章交给四个模型。标题区、引用、分节、重点标注和总结组件都要做，最后还得输出一份可以复制进公众号继续编辑的 HTML。

这里其实不用这么复杂的 prompt，直接说一句用摸鱼绿风格帮我把XX文章进行排版就可以了……先看 DeepSeek 和 GLM：

再看 Kimi 和 ERNIE：

乍一看，基本看不出任何差异是不是？拿掉模型名，让我只看成品，我未必能一眼猜出分别是谁做的，都很美观。字号、间距、组件、兼容性和复制效果，过去都要靠模型临场发挥。现在 Skill 把它们写成了规则，模型只需要在边界内组织内容。说白了，Skill 先把最容易翻车的地方管住了，这个时候模型之间的差异就很小了。所以，gzh-design还是基本适配国内所有模型的，欢迎大家使用！

之前很多人说 AI 生成的内容 AI 味儿比较浓，这里我们来试试不同模型的语言表述，不比辞藻，比事实和修改量。

最后一轮，我用Humanizer-zhSkill 做公众号长文润色。原稿还是那份 6 周工作流案例，有固定事实、固定数字，也写清了能力边界。四个模型都要在不改事实的前提下，把空话、套话和 AI 味清掉。

再看看能力边界段，

在写作方面上，就可以看出不同模型的区别。

但是四个模型都有不同程度的 AI 味，写作这件事，模型们属于是越发展越退步了……很长一段时间还是得依赖人类的品味和判断。

其实大家也能从这四个任务里面看出来，在涉及到这种编码场景的情况下，所有的 AI 模型当前都完成得差不多。我们会发现，整个国产模型当前完成的一些效果也都是比较良好的。

它们当然还有差异。只是这种差异越来越像分工，而不是“一台能干活，另外三台不行”。我现在选模型，只看三点：

这也是 TokenPlan 的实际价值。同一个计划里能切换多种模型，写作、排版、PPT 和视觉任务不用绑死在一家模型上，谁适合当前任务，就让谁上。顺带一提，百度千帆TokenPlan还挺稳的。这个批量测试我从晚上 8 点开始，整晚没有遇到中断。跑完这一大轮，后台用量大约消耗了 8%。

— 非常耐用！我买的，不只是更多 Token。是需要干活时，能从同一个模型池里挑到合适的那个，少排队、少重试，别让工具把自己的工作心流打断。以上。