九原客
@9hills
喜欢一切美好的事物。目前聚焦在大模型领域。
加入 February 2010
1.2K 正在關注 27.6K 粉絲
现在比较难的是怎么评估模型。
我一直在想自己沉淀一些 Agent 长程任务 benchmark，但是成本很高啊。
GLM 5.2 vs Kimi k2.7 vs Claude Opus 4.8
应朋友们的要求 GLM 5.2 一起测了吧 ，还是用的“AI合同审查”项目的PRD来构建
模型 构建时长 步数 5h额度 代码质量
GLM 5.2 106分钟 251 113% 83
Kimi k2.7 60分钟 429 120% 75
Opus 4.8 35分钟 164 50% 86
GLM 5.2 思考深度和时长怎么感觉和Qwen 3.7 、DeepSeek 一样 又深 又长
意图识别和指令遵循做的也不错
整体质量确实没有让人失望，但给到Opus 4.7有点过誉了 ，我体验在 4.6 和 4.7 之间
你通过数据也能看到，同样的任务 GLM 花了比Opus 4.8 3倍的时长 不管是算力的问题导致的 还是还是模型
这官方真的要好好优化
GLM 5.2 算是班级里的尖子生 开源现在排#1# 确实
好了 就分享到这里 有新的惊喜发现再来分享
顯示更多
