@cjzafir: 我日常使用的模型：> Codex 5.5 high (fast) > Deepseek v4 pro via API > Kimi 2.6 via API 我正在微调的模型...
摘要
用户分享了一份日常使用的AI模型列表（Codex 5.5、Deepseek v4 pro、Kimi 2.6）以及用于微调的模型（Qwen 3.5系列、Gemma4 E4B、GPT-oss 20B），目标是微调小型语言模型（SLM）成为专家语言模型（ELM）。
我日常使用的模型：
> Codex 5.5 high (fast)
> Deepseek v4 pro via API
> Kimi 2.6 via API
我正在微调的模型：
> Qwen 3.5 9B
> Qwen 3.5 4B（最爱）
> Qwen 3.5 2B
> Gemma4 E4B
> GPT-oss 20B
我的用例：使用最先进的SoTA大语言模型来微调小型语言模型（SLM），使其成为专家语言模型（ELM）。最近没用Claude，它的会话和周限制太离谱了。
相似文章
@cjzafir：Qwen 3.5 4B 和 8B 模型太棒了。我今天微调了一个 4B 模型，在全精度和 Q8 量化版本上达到了 98% 的准确率…
一位开发者报告称，使用 Unsloth 微调 Qwen 3.5 4B 和 8B 模型后取得了高准确率，这表明业界正转向针对细分任务使用专用的专家语言模型（ELMs）。
@0xSero：DeepSeek-V4-Pro 和 Kimi-K2.6 正在 Codex 应用中运行。体验前沿技术最经济的方式。支持本地模型，并且它们可以……
Codex 应用现已支持 DeepSeek-V4-Pro 和 Kimi-K2.6，提供使用前沿 AI 模型的最经济方式，同时支持本地模型和计算机使用功能。
@yidabuilds: https://x.com/yidabuilds/status/2053409619641602286
作者对DeepSeek V4、Kimi K2.6、GLM-5.1和MiniMax M2.7四款国产AI模型进行了横向对比测试，分析了它们在成本、长上下文处理能力、编程稳定性及推理性能上的优劣，并给出了针对大文档分析、长程后台任务和批量内容生产的具体分流建议。
我们身在何处：一年之间，天地翻覆——Kimi、Minimax、Qwen、Gemma、GLM
作者感慨本地 AI 能力进步神速，如今借助 Qwen 27b、Minimax 2.7 等模型，在平价硬件上就能完成过去只有顶级云端大模型才能搞定的任务。
Open source battle: GLM vs Kimi vs MiMo vs DeepSeek
本文测试了智谱GLM 5.1、月之暗面Kimi K2.6、阶跃星辰MIMO 2.5 Pro和深度求索DeepSeek V4 Pro四个开源中国AI模型在编程任务中的表现，发现GLM在多数任务中整体领先但非绝对，各模型各有优劣。