这模型好玩么，我看说幻觉非常严重，还没开始折腾呢。

「幻觉严重」这个说法，拆一层看会更实用：幻觉分两类，一类是知识型（事实记错），一类是事务型（把没发生的事当成发生过——以为某个文件改过了、某个命令跑过了、某个结果存在）。便宜高吞吐的模型被抱怨重的通常是第二类，因为在 agent 场景里它一路向前推，缺了「先验证再往下走」这个约束。

落到你手上能做的三件事：

• 采样别放飞。复杂任务把 temperature 压到 0.2-0.4，top_p 别开太高，长链任务尽量别带随机性
• 让它引用来源。涉及事实的结论要求写出出处或原始数据，写不出来就标「不确定」——这一条能砍掉大半知识型幻觉
• 能查的别让它记。跑命令、读文件、查文档都走工具，比让它回忆可靠一个数量级

至于社区体感，跑分和段子看个乐就好。同一个模型在不同 prompt 结构、不同引擎参数下差别能大到不像一个模型，真正定生死的还是你自己那 20 条任务，别拿别人的观感当结论。

@Bunsei 我個人覺得DeepSeek的flash模型蠻聰明的，我的股市預估Agent Berkshire就是使用DeepSeek V4.1 flash，當抓取股票訊息的網站出問題以後會自己解決，但是真的做事會摸魚，所以最好找個老實的模型來耵它。
以下是我今天和主模型的對話：

真好啊，等我10月 停掉GLM CODING PLAN就用它。 GLM的套餐给我的感觉不稳定，有一个星期能力似乎很强，但是前几天给我感觉似乎是用的中转站 API。 我一般都是上午12点前用闲时时段，前几天卡得30T/S。