大家都说这个模型非常牛逼，普遍猜测是 GLM 5.3。由于之前我把小米的 MiMo 误认作 DeepSeek V4，所以我也就不装逼了，这次我们不瞎定论，就说大概率它是 GLM 5.3。大家说这个编程能力特别牛逼，一定要我测试一下。事实上我对 GLM 的尿性摸得比较准，你说这家模型不行吗？它的编程能力确实是不错的。但是你说它很牛逼吗？它比 DeepSeek V4 Pro 牛逼，我是打死都不信的。性价比那更不用说了，除非你在某些时间段买到了它的 Coding Plan，否则光 API 调用肯定是不能跟 DeepSeek 相比的。我就把结论先放在这里，那么我们带着这种主观偏见进入测试，看看能不能打脸。

从这个地方开始，就我开发这个 App 的会话，后期我就把它固定了，不切换会话了。我不管测试什么模型，无论是 DeepSeek V4 Pro，还是 GPT，还是千问 3.8-27B 的 Q4、Q5、FP8 版本，Q5 已经被我删了，没有必要了。它的驱动是 7900 XTX 还是 4090D 48G，它的框架是 llama.cpp 还是 SGLang，我都一视同仁。除了在这里，我还会在 DeepSeek Harness 或者 Hermes 上对它们进行比较详细的测试。

但是今天比较可惜，OpenRouter 上面给我开放的免费额度，按理说应该每天有 1000 次调用，但是我只调用了很少的几个任务，它就不让我调用了。其实我前面为什么不想测试，就是因为我白天让它给我干了三个任务，它就罢工了。我就觉得这个模型没有必要去测试，知道吗？就非常烦。你要么就不要开放免费，你要开放免费，就把量给足了。你又免费立牌坊，吸引别人过来用你，然后执行了几个任务之后，我操，额度就超了。你这不是浪费别人的时间吗？你都不值得我花配置的这点时间。

那么抛开这些主观偏见，它的能力如何呢？我个人感觉是在千问 3.8-27B、DeepSeek V4 Flash 之上，但是应该是不如 Pro 的，最起码它肯定不会比 Pro 强。那你说为什么在 DeepSeek V4 Flash 以上？就是当时它在实现一个功能的时候，App 里面有多处使用到同样的头像跳转功能，但是它们实现在不同的函数里面。它觉得应该把它封装到一起，然后在实现新功能的时候，就把这个问题统一了。这个东西如果你不跟千问去讲，不跟 V4 Flash 去讲的话，它是不会关心这些话题的，它就关心你当下的功能。

这个 GLM 有点像什么？有点像 Claude，有点像 GPT 5.6 Sol 里把 Thinking 给它开高一点，是比较像美国的模型的。这就说明它的基础能力是不会差的。但是我也必须说，它的响应速度真的是慢成狗屎。就这么一个简单的小功能，它给我花了 6 分钟时间搞定。如果是 V4 Flash 的话，两分钟之内肯定能搞定。如果是千问 3.8-27B，用 7900 XTX 在本地驱动的 128K 上下文 Q4_K_M 量化版本，它的时间应该跟这个差不多，或者说大概七八分钟，比 OxAlpha 要略慢一点。作为一个在线模型，我认为慢成这个鸟样，已经是没有什么意义了，这是一个非常大的短板。

然后它是有识图模式的，执行一些小的 Bug 修改，它都能搞得定。你还别说，现在开发这个 App 已经成为我的小乐趣了，我也不急于把它完成，但是每天把这些 Bug 完善一下，把这些小功能完善一下，都挺好的。这样子多好，是一个消遣，省得我测试模型就凭自己去瞎想，想一些大家不太认同的偏僻任务。那就在实际的开发中来完善这些小功能，它实际上现在已经基本上能用了，只有一点点地方需要再完善，慢慢来吧，不急。

我打算是在过年的时候再给它上线，因为现在网站的网页版本，其实在手机上适配已经非常好了，然后在 PC 端的适配也是非常漂亮，已经足够大家使用了。我看过阵子要么就抽点时间来把这个 App 完善一下，如果大家想用的话，把它提前发布也可以。就是不着急，这是我的一个消遣项目。

另外就要提一下，它号称是 1M 上下文，我个人感觉它的召回准确率是非常低的，它不行。它给我的感觉是，上下文长度最起码相比于千问 3.8-27B 在我本地给它开放的 128K 上下文，是没有什么明显优势的。怎么说呢？我打断它的指令，然后给它发一个新的消息，就像这样，它实际上会搞错我的意思。这个就是上下文召回准确率不够，用专业的术语来讲，就是大海捞针实验中它的得分不高。它的上下文是有这个长度，我说什么，它也能从这个上下文中去捞，但是它捞得不对，准确率不高。

要知道你跟 DeepSeek V4 Flash 或者 V4 Pro 沟通的话，尤其是 V4 Pro，它的上下文召回准确率，我可以说是非常高的。我之前多次展示过，这个上下文到 700K 之后它还没压缩，是实打实地给你跑 700K 的上下文，它也是标称 1M。OxAlpha 就这么几轮会话，我讲实话，它这个召回就出了问题，甚至我都怀疑它的上下文有没有千问稳，我都不好说。那些非常尬吹 GLM 特别牛逼的，我也只能说你们开发的项目可能还是简单了一点，或者说你们迭代的轮数、迭代的步数都不够。

真正实打实的项目，你只要把它拉进来，就很容易看出问题。讲实话，就这个项目，比起我做的那个剪辑器，难度要低很多，低不止一个级别。但是 DeepSeek V4 Pro 在我用 Harness 驱动它的时候，就 DeepSeek Harness 加 DeepSeek V4 Pro 去开发这个剪辑器的时候，它表现出来的那种在长上下文环境中的召回准确率，是令我印象非常深刻的。我其实在以前的视频中贴过图，大家可以去找一下。因为我现在用 OBS 录屏，我就不打算后期配图了，这样子我制作视频的成本比较低，但是之前我是明确发布过的。

就在 Hermes 上，当时我的设置是 512K 上下文，它在 Hermes 上跑 512K 的时候，这个召回准确率是一点问题都没有的。然后我在 DeepSeek Harness 上面是 700 多 K 上下文，它的召回准确率也是非常高的。这个东西是硬实力，再怎么样吹牛逼是没有用的。但是你说这个模型它本身不能用吗？我觉得它的编程能力，我个人认为对于代码的理解，它的能力是在 DeepSeek V4 Flash 之上的。它执行任务的成功率也是蛮高的，基本上一次就成功。

但是如果你打断它的会话，给它发的指令描述得不够详细，它捞取上下文的准确率，我认为甚至是不如千问 3.8-27B 的。你要用非常准确的语言给它描述你的目的。然后就是这个用量，就是我批评的，要么就不要免费，你要免费就拿出点诚意，这样子弄得挺不好的。就好比一个花枝招展的少妇，给你各种撩骚，各种姿势给你摆好了，结果你一进去，发现七八个彪形大汉在房子里，这不就仙人跳吗？就是这种感觉，非常不好。

然后就是关于 GLM，我谈一下我的看法，包括 Kimi，包括 MiniMax。你要明白这些公司，它们的模型并不是奔着要成为通用大模型的王者来的，它们都是主打一些细分领域。像 MiniMax 主打多模态，Kimi 就是主打这种长线复杂任务，把模型的规模做到跟 Anthropic、OpenAI 去对标。那么 GLM 它是主打编程，就是在各自的领域，我认为其实做得都挺不错的。但是它们的模型，我还是那句话，没有性价比。

如果你真的是赶巧买到它们有性价比的 Coding Plan，那你们偷着乐，用起来是没有问题的。但是不要到处宣传，说它们比 DeepSeek V4 Pro 强，说什么性价比又好，这个我觉得有点扯淡了。最后我们再回到 OpenRouter.AI 上，我们来看一下，现在排名第一的 DeepSeek Flash 0731，它的 04R3 排名第五，然后 V4 Pro 0423 排名第十。前十名中有三个是 DeepSeek，这个强悍的实力就不用我多吹了。

这个模型好不好，其实我们要相信大多数人的判断。OpenRouter.AI 是全世界最大的 AI 聚合网站，它这上面的用户绝大部分是外国人，甚至大部分是美国人，中国用户可能占 5% 左右。在这个平台上，除了偶尔搞活动的，或者像英伟达这种长期免费的模型，大家都是要掏真金白银来投票的，要刷信用卡来投票的。这些模型好不好，其实来这里参考，就很容易看出来。

然后关于它的免费模型，我要说一下，就是它每天应该是有 1000 次的调用额度，不过可能有些模型它给得不够。像小米 MiMo，为什么我给它的评分很高？就是我一直觉得这个模型是非常不错的，就是因为雷布斯在测试这个模型的时候，人家给的用量是非常足的，你放开用，用量非常足。现在人家上线了，你看，也得到了整个市场的认可，能排名到跟 DeepSeek 比一比，这也是非常牛逼。像英伟达这些免费的模型，就属于聊胜于无，虽然是免费的，但是我基本上也不用它。总之这个平台挺好玩的，大家没事可以上来玩一玩。

以后我有空可能会做一些第三方的算力租赁、托管平台，这种算力租赁平台有什么特色的服务，到时候做一些视频跟大家评论一下。反正现在有了 OBS，我只要对着镜头瞎 BB，也不用写稿子，弄完之后丢给 AI 去剪辑，这视频就出来了。而且这种视频不会被平台判为 AI Slop，因为我有一张脸，虽然这张脸不太帅气、不太好看，在右下角可以被平台检测作为真人，那我的视频生产成本就大大降低了。

大家有什么问题，可以到论坛跟我交流沟通。有的时候你们在评论区发评论，我可能并没有回复，并不是说我装逼，而是我的时间真的是比较紧张。因为我也给你们讲过，提到过很多次，我要挣钱，我比较穷，我同时做好多个频道，就没有那些时间。如果你们去论坛发帖，我有空一定会回你们；如果没有空的话，论坛有很多大神，这些人的实力都不在我之下，而且他们分享的各种方案都非常非常好。

有各种各样的，你看 5070 Ti 双卡，什么千问 3.8、Q2、Q6、SGLang，这些部署方案都有，各种卡实际上都有，各种主板、各种显卡、各种搭配方案。我们的这些大神、管理团队都是非常不错的，你的问题一定会得到解答。