<![CDATA[Club-3090 俱樂部 頂尖對決 GLM-5.3-Flash vs Qwen3.8-Flash-Next vs. Qwen3.8-27B]]>資料很多, 有重點沒提到的歡迎補上喔 😊

GPT Image 圖像快速解說版

image.jpeg

原文作者 : paulp83

配置：2塊RTX 5090顯示卡，TR PRO 3975WX散熱器，256GB記憶體。大約550個代理程式運行了三天半

3 位local LLMs 作為代理完成了以下工作：20 個 club-3090 修復、38 個桌面任務、2 個安全帶、2 個工作量級別 #1690
https://github.com/noonghunna/club-3090/discussions/1690

我詢問俱樂部的測試結果是否與我使用的模型和框架有關，維護者要求我做一個 2×2 的對比測試：低強度模型與高強度模型，裸代理與 OMP。我在這個倉庫中提供了三個模型，並運行了上述 2×2 測試，然後給其中兩個模型佈置了一組非編碼的桌面任務。以下是測試結果，包括每個模型的優勢和劣勢，以及我現在使用的設定。

受測目標模型

image.jpeg

受測結果 成功解題比率

image.jpeg

每小時的解題效率

image.jpeg

Config Solved 95% CI Partial credit Right files Median min/task Solved per agent-hour
Flash Next IQ4_XS 31/40 62–88% 0.85 0.93 9.7 4.3
GLM avar6 13/20 43–82% 0.72 0.96 12.6 2.5
Flash Next Q4_K_XL 25/40 47–76% 0.71 0.88 7.6 3.5
GLM IQ4_XS 12/20 39–78% 0.70 0.93 12.0 2.3
ThinkingCap-27B 23/40 42–71% 0.68 0.87 4.4 7.0
]]>https://lcz.me/topic/2338RSS for NodeMon, 26 Oct 2026 05:34:22 GMTThu, 15 Oct 2026 10:20:46 GMT60<![CDATA[Reply to Club-3090 俱樂部 頂尖對決 GLM-5.3-Flash vs Qwen3.8-Flash-Next vs. Qwen3.8-27B on Thu, 15 Oct 2026 12:51:34 GMT]]>可以，以后完全不用自己写稿子，打开电脑，照着念一个帖子。

]]>https://lcz.me/post/25079https://lcz.me/post/25079Thu, 15 Oct 2026 12:51:34 GMT<![CDATA[Reply to Club-3090 俱樂部 頂尖對決 GLM-5.3-Flash vs Qwen3.8-Flash-Next vs. Qwen3.8-27B on Thu, 15 Oct 2026 12:50:39 GMT]]>物理定律在那里锁死的，只能等STRATA作者深入发掘一下大内存和大带宽下面的潜力了。

]]>https://lcz.me/post/25078https://lcz.me/post/25078Thu, 15 Oct 2026 12:50:39 GMT<![CDATA[Reply to Club-3090 俱樂部 頂尖對決 GLM-5.3-Flash vs Qwen3.8-Flash-Next vs. Qwen3.8-27B on Thu, 15 Oct 2026 11:28:31 GMT]]>@johnnybegood

看來還是QFN 比較香甜

不過有四台DGX Spark跑高精度的GLM 說不定效果不同

]]>https://lcz.me/post/25071https://lcz.me/post/25071Thu, 15 Oct 2026 11:28:31 GMT<![CDATA[Reply to Club-3090 俱樂部 頂尖對決 GLM-5.3-Flash vs Qwen3.8-Flash-Next vs. Qwen3.8-27B on Thu, 15 Oct 2026 10:47:54 GMT]]>这些模型我也都跑过哎， 虽然没有测这么全， 但是这个结果跟我的感觉是一样的。最扯的是 GLM5.3 Flash IQ2 还会在数学题上算错，而GLM IQ4我跑起来只有 15tok/s

]]>https://lcz.me/post/25063https://lcz.me/post/25063Thu, 15 Oct 2026 10:47:54 GMT