依旧瞎逼逼
这一代 GLM 5.3 Flash（前期以Ox-alpha在模型平台上进行测试，被网友们戏称为牛来模型，下文牛来即指本模型） 是小参数多模态大模型，啊这个这个前不久有一个朋友用着他的 DeepSeek V4 Flash 带着另外一个朋友一起写代码。他以为唉我去我们一起写，所以我写一路到完成，卧槽，然后他看了以后就震住了，说说这么好的模型怎么咋不早点告诉我。以前就跟你说了智谱这个模型5.3 Flash这个智谱这个智谱的技术很好，啊这个这个多模态很好用，他说我不知道多模态是意味着什么，他说你要早点告诉我，这就送了一个程序员
注：由于部分社区声音反馈 coding plan 降智严重，因此使用官方正价 api，但由于大模型本质黑盒，我无法确定在测试过程中是否被路由到量化版，测试结果仅供参考，不代表任何模型顶尖水平。
温馨提示：当前完全不建议使用GLM 5.3 Flash 进行长程任务或无人值守任务，很多人反馈犯蠢、误删文件，本次测试中均未进行实际长程任务测试，但在上下文体感上确实非常烂（详见文字创作部分）
实测
后端
依旧是祖传测试集
h10，不算难，快速过一下结果
GLM 5.3 Flash
3次，但这里要说明一下：其中有次是他自己提交测试的，那一次就是全绿，也就是说应该算两次过
友商结果快速过一下：
测试若未说明环境，则均默认为该模型官方Harness（优先 macOS 客户端，优先级第二的是cli，最后是vscode插件），且清空用户约束或项目约束，并关闭全局记忆及类似可能作弊的功能。若未说明，默认思考额度为最高
- GPT 5.6 sol、GPT 5.5 (Extra High)、GLM 5.3、Kimi K3（Claude code测试，kimi code 太垃圾了）：一次过
- GPT 5.6 Luna、GLM5.2、Claude Opus 5（随便找的中转站，自称为Max渠道）：两次
- DeepSeek v4全系、GLM 5 Turbo、Claude Sonnet 5（同上）、Gemini 3.7 Flash：三次过
- Claude Haiku全系、Gemini Flash lite 全系、GPT 5.4及之前的GPT系模型：均未在 5 轮内完成测试
实话说，效果一般，绝对算不上顶尖水平，无论是国内还是国际上。
这一代模型很粗心，什么自己改坏原有逻辑、调用工具失败、写错命令都是常有的事——他首轮自己根本没有测试，导致他自己原有项目还在那里跑着就交付，规则里明确说明了要关闭本地开发进程再提交否则会失败，他不听。
前端
水墨风个人页：点我
解构主义个人页：点我
产品落地页：点我
水墨风和解构主义我个人认为是很不错的，特别是在多模态的加持下，它能够自己进行视觉测试，这对前端的帮助非常大！
当然，这里我只测试了最基础的单文件 html，更多的动效就没测了，感兴趣的可以自己试试
文笔
这个我必须说道说道，好多人都说比较差，但我用下来还不错，特别是各位的人之常情方面的写作/rp
国内模型：
海外模型（需特殊网络环境）：
都说文笔差，我觉得还行。不过这一代好像在小说写作的时候容易丢上下文，导致部分设定丢失，且思考时间普遍较长，基本都奔 5 分钟去了
匿名测试时的记录
多模态能力
这个我也不知道怎么测 各位图一乐就好
任务 1：
GLM：https://chat.z.ai/s/ab572eee-35c6-4e1d-a050-60730e60aa52
Gemini：https://share.gemini.google/VZyW0Rlqr9LJ
省流：都错误的将发型识别为帽子
任务 2：
GLM：https://chat.z.ai/s/9280a403-bf39-444a-9f28-3cec4b09d520
Gemini：https://share.gemini.google/mjzNx8FjSOuJ
这一个任务有意思：Gemini Pro 和 Flash 均未能识别出阿狸形象，反而是参数量更小的GLM识别出来了，复现结果也很有意思，虽然 GPT image2 没有阿狸的训练资料，但是乍一看还是 GLM 的版本更加和谐
https://chatgpt.com/share/6a8fa86a-370c-83ea-be6f-492ccde7f999
任务三：像素级输出
GLM：
GPT：
Gemini Pro/Flash 效果均差不多：
这个任务里面 GPT 完成的最好，完整标出了手机四个角
任务四：网页复刻
原图：
原图
图源站点为LinuxDO（若违反规定可删除）
Gemini：
Gemini 由于不能网页部署，就直接放个截图吧
效果还不错，不过用时不到一分钟，可喜可贺！
GLM：https://chat.z.ai/space/u1h8t7r8we30-art
还不错，但是思考时间偏长且部分细节未还原
这个杀死比赛
各位可以先猜一下这是哪家的模型，说真的，不细看真的看不出问题
他就是GPT 5.6 sol （网页端 work）！
塌房了，GPT 系的复刻能力真的强的可怕!
总结
看完测试，那有人就要说了，诶老三老三，你这测出来效果和友商比也不行啊，沸腾啥？
欸，当你想出这个问题的时候，你就已经输了，因为这款模型参数量只有320B，激活参数更是只有可怜的 18B
什么概念？
kimi K3 2.8t(2800B)，激活参数104B；DeepSeek v4 pro 1.6t，激活49B
更别提闭源的 GPT 和 Gemini 系了，glm 能这样四两拨千斤，确实难得。
但同时，我也有些隐隐的担忧，首先就是智谱家的模型coding plan 天天涨价，据不可靠信源透露，目前官价 api 5 折折后比自家 coding plan（V2/V3）便宜，是的孩子们，能随便外接，速率限制很宽松的管渠api 居然比 coding plan 还便宜，智谱的定价也是没谁了；其次就是“降智”问题，有人说，coding plan是国内机房的 fp4，但管他呢，总而言之，这个模型就是神区二象性的代表——**降智前配上价格就是神，降之后就是区，还是最烂的区。
整个测试下来，我认为满血版GLM 5.3 Flash绝对是顶尖水平，现在有人评价封神，有人评价区，我觉得更多的是智谱这个公司在运营策略以及算力部署方面的问题。因此，我肯定 GLM 5.3 Flash 的进步，但不推荐任何人购买/使用现阶段智谱部署的GLM 5.3 Flash。
