光看榜单感觉也不是很靠谱。
 |
1
alanying OP 其实是 Qwen3.8 > GLM5.2 > K3 > DPSKv4 Pro 的但是标题写 Qwen3.8 怕被喷
|
 |
2
shintendo 20h 41m ago
GLM5.2 > K3 是认真的吗
|
 |
3
foryou2023 20h 36m ago
估计得重新测试了，官网刚刚才更新了更新日志，就是官方的 harness 还不发布，不知道啥时候发布。
|
|
4
shintendo 20h 33m ago
@foryou2023 说是明天
|
 |
5
Miaoz 19h 42m ago  1
GLM5.2 > K3 认真的吗 +1
|
 |
6
jackerbauer 18h 54m ago
主观太强
|
|
7
jackerbauer 18h 53m ago
不过 GLM5.2 > K3 ，确实离谱
|
 |
8
cue 18h 50m ago via iPhone
你们部门……是千问团队吗……
|
 |
9
Qmanman 18h 49m ago via Android
glm5.2 不太行
|
 |
10
isbase PRO 据说模型上错了 再用目前的版本试试
|
|
11
alanying OP |
 |
13
bowen628 16h 59m ago
官方 harness 已经发了，包名 @deepseek-ai/dsh ，这轮盲测可以顺手重跑一次。模型横评不固定壳，工具 schema 、prompt 拼法、上下文回放全会混进分数，最后测的其实是 model+harness 。利益相关：我参与 BitFun ，我们这边一直把 prompt 做成字节级稳定，SWE-Bench-Pro 那轮 KV cache 平均命中 98.67%；拿同一仓库在 DSH / BitFun 交叉跑，应该比只看榜单有意思。
|
 |
14
Tink 16h 58m ago
测试方法是啥啊？
|
 |
15
exhades 16h 53m ago
GLM5.2 是什么路边，我这边都是 K3 > qwen3.8max > dsv4Pro > GLM5.2
|
 |
16
cowcomic 16h 43m ago
据说已经下架了
|
 |
19
renzhe8102 15h 5m ago via Android
@exhades k3 路边
|
 |
20
FantaMole 14h 24m ago
之前在梁子的那个内部会议的纪要出来的时候，我就在论坛里的一个帖子提过 DeepSeek 一直是个小而美的公司，梁子本人是很有理想，但是其他人是要吃饭的，这个扁平化的理想主义管理架构在拉进来一堆人之后可能很难管。就 13 号这个混乱百出的样子，感觉可以一窥内部的失控样子
DeepSeek Pro GA 没有让我感到有惊艳的地方，由于公司项目我搭了一套 AI Coding Framework ，所以只要模型不是太差，能够有 GLM5.2 级别的能力，大部分工作不会有太多体感差距。不过今天处理的一个复杂问题，处理结果不及预期，最后是用 opus5 处理掉的 DeepSeek Harness ，刚刚才有空探索了一下项目，准备明天尝试一下。不过看知乎上的评价，感觉一堆人说了半天没有重点不知道说了什么东西，全在聊拓展性 |
 |
21
aarontian 11h 28m ago
你们部门的评测标准是模型命名是否符合社会主义核心价值观吗。。
|
 |
23
yuzo555 7h 59m ago
官网的 API Pro 现在是对的模型了吗？消息很多
|
 |
25
martinm 6h 50m ago via Android
自用 K3 > GLM5.2 > DSV4 Pro ，
顺便一说 KimiCode 开集群模式 + DSV4 Flash 子模型 绝配 |
 |
26
Auston 6h 41m ago
有点怀疑你们部门的测试能力，哈哈哈，就跟我们公司一群人在那胡测一下，公司自研模型已经比肩 deepseek 和 glm 了，这你敢信？
|
 |
27
FakerLeung 6h 26m ago
笑死了，想起我们大部门的 7 月份的测试结果：
deepseek-v4-flash-preview 不如 glm-4.7 deepseek-v4-pro-preview 不如 glm-5.0 |
Select Language