GLM 5.3 Flash 评测：牛来了吗？如来！

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，很多人反馈它会犯蠢、误删文件。本次测试中均未进行实际的长程任务测试，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：其中有次是它自己提交测试的，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、GLM 5.2、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——它首轮自己根本没有测试，导致它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，它不听。 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： GLM 5.3 Flash 网页端表现 GLM 5.3 最高思考额度表现（网页端没上线，实在不知道放到哪，就放我博客了） GLM 5.2 网页端表现 DeepSeek v4 Pro GA 表现 DeepSeek v4 Flash GA 表现 Qwen 3.8 Max 表现 Kimi k3 表现 豆包专家 表现 海外模型（需特殊网络环境）： Gemini 3.1 Pro 表现 Gemini 3.7 Flash 表现 GPT 5.6 SOL High (网页端) 表现 Grok 4.5 Fast (网页端) 表现 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： 图源站点为 LinuxDO（若违反规定可删除） 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。 它就是 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。