【大模型/评测】近期大模型发布与评测要点如下：

用 DeepSeek V4-Flash-Vision-Exp 测了一下前段时间推特上比较火的一个 case 给半片青柠，用模型画一个与物体融合的人体姿势提示词如下： You’re an artist. Please see the baseline image attached here, along with its URL: www.bubbbly.com/assets/slice-of-lime.webp It is a slice of lime. Your job is to draw a human pose (BE CREATIVE) integrate the slice of lime inside the baseline image to create the artwork. Finish the drawing in HTML and animate the full drawing process, showing the cursor while drawing. You must start from the baseline image. You can use Canvas 2D if needed. Keep the result within the baseline image background, with the drawing as a clean, hand-drawn illustration using only the existing background image I sent you. You can add color inside and add other hand-drawn objects, making sure they are in a hand-drawn or hand-coloring style. But do not add any extra objects that are not hand-drawn, background elements, text, decorations, borders, panels, or UI, especially outside the baseline image. Do not add any drawing that will obscure the main object inside the baseline image. Show the artwork being drawn stroke by stroke, from the original image to the final result. Important: You’re free to be as creative as possible.

【6千字看OAG本体增强生成是什么？对比RAG、3个不同所指及落地选型思路】继续来看本体技术，做深度归纳。最近看到一个词，叫OAG（Ontology-Augmented Generation，本体增强生成），这个很显然是RAG的一个变体，但其从架构上说，其是一种责任架构：用本体的强类型约束事实，用工具调用分离概率与确定性，用权限和审计包住行动，最终让"AI参与业务决策"这件事从责任上变得可接受。先说几个判断；判断一，OAG（Ontology-AugmentedGeneration，本体增强生成）不是一个统一的技术，可以细分为三种实践：Palantir的产品工程派（对象检索＋工具调用＋动作治理）、Microsoft的OG-RAG（Ontology-Grounded Retrieval-Augmented Generation，本体锚定检索增强生成）、以及本体压缩派（OntologyCompression，本体按需加载）。三者共享同一个洞察，但技术路径、成熟度、适用场景完全不同。不要混为一谈。这三派经常被自媒体混为一谈，但它们连"检索什么东西"都不一样：Palantir检索实时同步的业务对象实例（一张订单此刻的真实状态）；OG-RAG检索被本体schema约束后从文档里抽出的事实块（文档说大豆种在西北区，被映射成超边）；压缩派检索本体schema本身（给Agent注入"这个领域有哪些概念和关系"的世界观）。判断二，OAG解决的不是"让Agent更聪明"，而是"让Agent可被信任、可被审计、可被授权"。它把LLM从"事实的存储者"降级为"意图的翻译者"，把事实锚定进确定性结构。这是责任分配的重构，不是模型能力的升级。判断三，OAG的真正瓶颈不在生成端（LLM），而在建模端（本体供应链）。主