GLM 5.3 测试报告!究竟有多能打?
发表于|更新于|大语言模型
GLM 5.3 测试报告,本此在 Claude Code 完成测试,推理设置 high、编程拉满 max 思考深度;强约束指令测试第五句不符合结尾规则,其余语句通顺,24 点、密码锁推理全部作答正确;编程任务浏览器操作系统、太空射击游戏完成度优秀,3D 赛车画面精致但按键左右反转,Trello 看板功能仅好拖动动画质感一般,整体无严重 bug,综合表现属于上乘水准……
相关推荐

2026-09-18
GLM 5.3 FlashX测评报告!究竟有多能打?
智谱最新发布的 GLM 5.3 FlashX 测评报告来了,还是在 PI 中接入、思考深度放大最高。来看看这个高速版本实际表现如何。 第一题:强约束指令遵循——句子生成测试。 生成速度相当快,有点 DeepSeek V4 Flash 的味道,起码比 GLM 5.3 Flash 快多了。仔细检查生成的句子,第四、六、七、八、十句为了凑成数字结尾都硬生生去掉了单位,读起来不太通顺。 第二题:鹈鹕土星环骑自行车 SVG 测试。 效果不错,虽然这几期提示词难度调低了,但 GLM 5.3 FlashX 依然是第一个实现得比较完整的模型,值得肯定。 第三题:复合弓射箭 SVG 测试。 如果不吹毛求疵的话,还算是可以的了。非要挑毛病的话也有不少:箭是被弓箭手推出去的而不是射出去的,弓弦应该在复合弓左边,但弓箭手却用右手拉弓,存在方向矛盾。 第四题:精美浏览器操作系统。 UI 看上去不错,右上角弹窗、dock 栏应用功能都没有问题,太空射击游戏则是这题的压轴大戏——可惜效果不大行,飞机和子弹离得太远,不移动的话根本看不出子弹是从自己飞机发射出去的,子弹大、飞机小,如果游戏能实现得更好这题应...
2025-10-09
GLM 4.6 测评报告!国产Claude 4.5?
昨天的视频分享了对Claude 4.5的测评,今天打算测下也是刚出来的智普的GLM 4.6。废话不多说,赶紧开干。我们来到网页客户端。这次主要还是测试下我关注的推理和编程。推理的话,我会先关闭深度思考,如果做错了,我再会打开深度思考测一遍。其他情况我都会开深度思考… 访问入口

2026-09-08
WeKnora!企业文档秒变AI客服!腾讯开源知识库!
企业想落地 AI 知识库、AI客服是不是踩了一堆坑?老板天天催 AI 落地,实际做起来既要折腾向量库又要反复调提示词,折腾半个月,AI 回答还不带来源,业务部门根本不敢用,做客服还容易一本正经胡说八道,答错比不回复更麻烦…… 访问入口
2026-02-15
Seedream 5.0 真实测评报告!真的能打吗?
字节最近的seedance 2.0才火遍海内外,紧跟着它们又推出了个seedream 5.0, 据说直接对标谷歌的nanobanana, 除了生图更精准,貌似还是首个能自动搜索网络的图片生成模型,也就是说提个网上的热词,它就算没有拿对应图片训练过,也能生成对应的内容。但是事实上是否真的能打呢?我们今天就来好好测试下! 访问入口
2025-11-24
Docker是什么鬼?为什么能做AI一键安装包?
前一个视频说了玩AI的都应该学习下Docker,因为它能够让你在任何机器上一键部署你的AI工具,也就是所谓的意见安装包。比如ollama这些开源AI工具都是提供docker的image的。但是有粉丝说说得太技术了,没有明白docker是怎么工作的。这里我尝试下举个简单的例子来说明白。我们就以最近大家熟知的西贝预制菜事件为例子吧…

2026-10-10
ARTEX!AI 自主渗透开源神器!Agent 攻防赛冠军!
开源才两天,就传出黑客拿它真打银?这个名叫 ARTEX 的冠军级 AI 渗透系统,让一群 Agent 自己收资、拆任务、跑工具、找漏洞、写报告,连”修没修好”都有复测 Agent 自动回填。配个 Key、配个域名,红队活儿几乎全自动,界面上 Planner 怎么想、Worker 怎么打,全过程留痕。Docker 一键起,2000+ Star 只是个开始。 ARTEX 由 Autumn-27 团队开发,核心创新是双图架构:资产图统一管理域名、子域名、IP、端口、服务、端点等资产数据,探索图跟踪攻击目标、意图、事实和发现成果。Planner 负责生成攻击意图和任务分解,Worker 执行具体任务并调用真实安全工具(nmap、nuclei、curl、bash 等)。 系统内置人机审批工作流,高风险操作需人工确认,全程记录流量并支持审计与干预。所有发现、资产和攻击路径持久化到 PostgreSQL,解决了大语言模型常见的上下文溢出问题。支持 Docker 一键部署,默认运行在 8787 端口。需要注意的是,该工具仅限本地隔离环境使用,严禁直接对线上系统发起未经授权的扫描。 访问入...
公告






