亚洲黄色片在线观看_日韩精品视频中文在线观看_亚洲国产中文字幕在线观看_亚洲高清久久网

沒有一家模型廠商最近能夠放松警惕。前后大概不到48小時，DeepSeek和智譜相繼更新了自己的模型進展。

【資料圖】

先是DeepSeek于8月12日晚將API文檔更新為DeepSeek-V4-Pro正式版，又于13日對官宣內容進行了回撤和重新發布，但調整期間保留API服務；再是8月14日，智譜GLM-5.3正式發布。

拋開DeepSeek回撤事件本身可能存在的問題暫且不談（當時大量評測稱第三方測試結果與官方聲明不符，甚至反饋不如同模型的Flash版本），官方公告顯示，正式版DeepSeek V4 Pro是一款針對Agent（智能體）能力進行增強的模型，尤其在生產環境任務中表現出更為明顯的性能提升。

在Agent相關評測集中，其總體成績與Kimi K3、Opus 4.8和Fable 5在同一水平線上。

智譜GLM-5.3則繼續強調編程能力。該模型與前代GLM-5.2使用完全相同的基座模型，主要通過后訓練提升性能，利用強化學習（基于IndexShare、SAO以及新一代Slime框架）擴展了長程任務環境和訓練時長。

從評測集表現來看，GLM-5.3的部分能力接近Fable 5和GPT-5.6 Sol，并在展示出來的多個榜單中成績超過了Kimi K3，但在聚焦長程軟件工程與持續代碼修改能力的DeepSWE v1.1上仍然不及K3。

安全是GLM-5.3強調的另一個特性，此前Anthropic的Mythos 5曾引起模型安全性能的話題熱度。

據其介紹，在CyberGym測試中，模型從白盒源代碼出發，通過觸發程序故障來識別和驗證漏洞，GLM-5.3得分為84.5%，略高于Mythos 5的83.8%和GPT-5.6 Sol的83.6%；在更考驗深度推理能力的ExploitBench中，GLM-5.3得分為54.4%，低于Mythos 5的78.0%和GPT-5.6 Sol的76.5%。

在用戶層面，或是由于DeepSeek-V4-Pro正式版受到初期問題的影響，多名完成測試的受訪者對界面新聞記者表示，在編程任務上，GLM-5.3的體驗比DeepSeek-V4-Pro正式版更好。

不過，其中一名開發者明確表示，這兩者可能都不會作為工作流主力，“國產模型里面，目前還是只有K3在第一梯隊。”他說，這不僅體現在能力提升全面上，在性價比層面也有意義。

這個結論的一個重要背景是DeepSeek對其API定價策略進行了調整。

其API將首次采用峰谷定價模式，其中閑時段的使用價格將降至高峰時段的一半。但從DeepSeek V4 Pro高峰期價格來看，其緩存命中輸入和緩存未命中輸入單價分別同比增長1100%及200%，輸出價格同比增長350%。

細致到K3與DeepSeek-V4-Pro正式版之間，漲價前，前者緩存命中輸入價格為后者約一千倍，目前則是十倍左右，緩存未命中輸入價格則從6倍有余減少到約2倍（高峰期），輸出價格也從過去的16倍左右降低到現在的約4倍。

曾經一度懸殊的性價比表現，如今再將任務的對話輪次、完成質量、整體時長考慮其中，不同訴求的開發者再作抉擇時答案可能會發生變化。

事實上，無論是DeepSeek-V4-Pro正式版還是GLM-5.3，都是在上一代基座模型基礎上進行后訓練迭代，Kimi K3實現性能突破則源于對基座模型再度擴大規模訓練。這兩種選擇說明了什么問題？

一名AI領域投資人表示，從模型技術層面來說，這至少說明兩點，預訓練Scale Up仍然有用、現有規模后訓練也有極大提升空間——在這一點上，更好的證據是1.5T的Grok 4.6，幾乎達到了GPT-5.6、Opus 5的同等水平。

對國產模型廠商而言，這意味著代際層面的性能跨越，或許仍然繞不開基座模型的Scale Up，而與此同時，在它們實現這一點之前，Kimi K3的潛能顯然也還沒有充分挖掘。