Club-3090 俱樂部 頂尖對決 GLM-5.3-Flash vs Qwen3.8-Flash-Next vs. Qwen3.8-27B

[kos or]

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

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

受測結果 成功解題比率

每小時的解題效率

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

[johnnybegood]

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

[kos or]

@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

[stxpnet]

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。

[terry]

可以，以后完全不用自己写稿子，打开电脑，照着念一个帖子。