智谱在Opencode上灰测了一个新模型，惊为天人(合集转寄)

1、支持多模态 2、速度极快 3、编程能力国模第一 4、数学国模第一，（2026全国高考一卷149分，150分的只有gpt5.6和5.5) 5、百万上下文 应该是完全碾压KIMI K3了。看速度，模型参数量也不会太大，所以价格不会太贵。 这个模型是真碾压gemini了，达到了claude和gpt的手感。 目前国模梯队应该更新了： T0:GLM5.5(灰测模型），综合而言，强于opus4.8和gpt5.5，接近fable5和gpt5.6。而且有较强实用性。 T1:KIMI K3,太贵，太慢。 T2:qwen3.8max（这破玩意儿怎么敢吹仅次于fable5的），deepseek v4 flash 豆包可以扔了。

这些测试的难度都不如本老这个织布测试，GLM5.2测试的时候干脆就不做了，因为做不出来。。

不说新模型，我用的5.3，生成代码碾压deepseek-v4-pro正式版，5.3写的生产环境测试一次通过，v4改了4次，还在修复bug中。

用哪个harness工具？ 我发现，用claude code 配deepseek ，模型就在那里发呆，消耗大量token，就是不动。

你去试一下吧 目前支持多模态+价格不太贵+速度较快的国模仅此一个。

hack了一下，比了下模型指纹。

5.4的编程和数学碾压5.3，而且加了多模态。 数学也碾压kimi3. deepseek比起来就是个棒槌。 而且5.4极快。 目前的国内AI厂。格局大概是： 1、智谱 2、KIMI 3、千问、豆包、deepseek、minimax

deepseek v4 flash0731涨价前是个性价比模型 deepseek v4 pro0813直接炼炸了

不是考虑性价比问题。是有效工作的问题。

动不动就碾压 a畜几万亿估值还有活路吗？

碾压不了 小参数 感觉还是 5.3 加多模态进行了后训练 估计要把后训练的红利吃完

我测试的结果是5.3和灰测模型是同一个基础上分支出来的后训练模型 灰测模型不是基于5.3加多模态，灰测模型的各方面都强于5.3

我说的就是这个意思 所以参数上不会多太多，不会是唐杰之前宣称的 5.5

是的，过几天把Gemini 3.7，Deepseek，GLM一起试试，看看有没有进步。kimi 3试过了，差的太远。。 现在做的最好的是opus 4.8，GPT 5.6。。

所以大模型没有护城河 最后会变成算力大宗商品

准备下月转opencode了，生态真好，什么都能用。 质谱5.5，关键是什么时候正式放出来，拖一拖就没竞争力了

唐杰前两天发推在讲对scaling law的反思 当时，我还以为是基于glm5.3，觉得没什么好反思的 现在看，应该当时内部已经内测过这个灰测模型了，那唐杰确实能说那个话

大模型已经变成重工业了

基本上每个月格局都不一样， 2个月普通模型就淘汰了，前沿模型就变成普通模型了。

大模型 在国内我觉得最终就是自来水，电力这种公用事业 在海外，最终就是原油铁矿石大豆这种大宗商品

现在主要的测试都是这种小难题的测试，但是实际到大的项目中，处理艰深问题，几款国模的能力还需要再提升 其它场合完全够用，v4 flash 都足够强了

没有证实是质谱的，多模态更可能是mimo。 从今天的股价来看，minimax的可能性都更大一些。

v4 pro 很吃提示词，目前看 DeepSeek harness 中用它是最稳的场合，我们做了一些测试，v4 pro 比 glm 5.3 稍强一点点 提示词处理好，v4 pro 的领先优势更大 glm 系列的一个问题是啰嗦，解决问题路径比较曲折，但是胜在稳定性好

pro 的训练过拟合了，也是他们自己的锅