作者｜冬梅 又一款没有公开开发者身份的模型，出现在编程工具和评测榜单上。 1 神秘模型 Pixel Canary 发布：免费、追平 GPT-6 Astra 近日，Cline 在 x 上宣布，匿名模型 Pixel Canary 已在其平台免费开放。引发讨论的是它在 Next.js Agent Evals 中的成绩：常规设置下完成 31 项任务中的 28 项，成功率为 90.3%，与 GPT-6 Astra（高推理强度）持平，高于 Kimi K3 的 84%。 但这份成绩单还有另一面：榜单显示，Pixel Canary 完成任务的平均耗时为 1015.80 秒，约 16 分 56 秒；同一榜单上，GPT-6 Astra 为 251.89 秒，Kimi K3 为 352.34 秒。 把成功率和耗时放在一起看，Pixel Canary 展示出了完成复杂任务的能力，却还没有证明自己适合快节奏的日常开发。 那这 90% 的成绩，究竟意味着啥？ Pixel Canary 最早于 9 月 25 日登陆 Vercel AI Gateway，模型标识为 stealth/pixel-canary 。Vercel 将其定位于应用构建、现有代码重构、前端开发和移动应用设计，并表示匿名开放期间限时免费。平台公开的模型信息显示，它支持约 26.2 万 Token 的上下文窗口及可调节的推理强度，但没有披露开发团队。 Vercel 的 Next.js Agent Evals 考查的是智能体完成实际 Next.js 开发任务的情况，涉及 App Router 迁移、数据获取、图片与字体优化、缓存及页面过渡等。Pixel Canary 的 90.3% 指的是 31 项任务中有 28 项通过。评测采用 pass@4：每项任务最多尝试四次，只要有一次成功，就算该任务通过。 所以值得注意的是，90% 这个数字也不能直接理解成开发者交给它十个任务，它首次尝试就能完成九个。 当评测通过 AGENTS.md 向智能体提供 Next.js 文档后，Pixel Canary 又完成了 30 项任务，成功率升至 96.8%。不过，这一设置下 Kimi K3、GPT-6 Astra 等模型也同样达到约 97%。这说明任务相关文档能够显著改变结果，也提醒开发者：真实项目中的代码规范、框架版本和项目说明，可能和模型选择一样重要。 但值得注意的是，免费试用背后，还有一项需要看清的条件。 Vercel 在发布说明中明确写道，Pixel Canary 不提供零数据保留（ZDR），发送给模型的提示词和回复可能被用于训练及模型改进。其模型页面也提示，提供方可能保留输入与输出。 对于把代码仓库接入智能体的开发者，这项条件比“免费”两个字更值得先看一眼：代码、配置文件或项目上下文，都可能随任务进入模型请求。 2 部分实测：速度极慢还不稳定 Pixel Canary 上线后，网友很快分成了“测能力”和“猜身份”两路。 首先是测能力。在 x 上，有用户测试后表示，这款模型速度极慢，且很不稳定。他写道： “6 小时后 Pixel Canary 终于完成我的孔雀测试了，这东西现在运行速度慢得令人抓狂，而且很不稳定。就连 Astra、Kimi K3 或 Fable 5.1 都没让我等这么久，结果还算不错。这些羽毛看起来跟我测试的 MiMo V2.6 Pro 的羽毛惊人地相似。” 实际体验中，稳定性和速度成为争议焦点。网友 codemeoww 称，自己使用 Pixel Canary 时多次遇到任务进行到一半突然中断，最终停用。 展示测试结果的 Sahil Panhotra 回应说：“我也是试了好几次才得到这个结果。” codemeoww 随后表示，这款模型太慢，恐怕很难有人愿意长期使用。 还有 x 用户进行了经典的鹈鹕测试，并表示测试过程很痛苦，因为速度太慢了！ “痛苦实测，神秘模型 Pixel Canary 鹈鹕测试，跑了 5 个小时，中途各种报错，个位数 tps 真的蚌埠住，效果你认为如何？” 还有用户表示，最终在经历了 20 多个 Provider 错误和 7 个多小时后……，终于测试了这款模型，效果如下： 还有网友 @benchmark_lb900 晒出 Pixel Canary 在“最大努力”模式下完成马里奥基准测试的表现，并对其能力提出质疑。他写道： “有些开发者称它达到了 FABLE 水平，但在我看来，它更像是 Sonnet 水平。” 这条评价反映的是该网友对一次测试结果的主观判断，尚不能据此认定 Pixel Canary 的整体能力处于哪个档位。 网友 VulKan 表示，等待 8 小时后，他放弃了对 Pixel Canary 的测试。 他认为，如果服务无法稳定提供，即使基准测试分数很高，也难以