他还长着恶魔角，看来这些AI觉得我们长这样。[音乐] 没错，就是之前给你们看的那位，生成的眼睛非常漂亮且充满动感。这个作品绝对能拿奖，而且我特别喜欢它的发型，非常有2029年的感觉——那时候我们脑子里可能都植入了埃隆·马斯克的大脑芯片。大家好，欢迎收看本期节目。今天我们要进行终极对比：GLM 5.2、Kimi K.27，甚至还加入了Gemini Pro、Claude Fable以及最高设置下的Sonic。我们将找出哪个模型最强，既有免费也有付费选项，但我们会全部试用。这里有一些严肃的实验：我们要重制3D超级马里奥兄弟、制作Outrun赛车游戏，还要复刻一位叫“亚洲爸爸能量”的YouTuber用Claude Fable制作的应用。我们将使用他完全相同的提示词，但改用开源模型GLM 5.2来测试其效果。

让我们直接从超级马里奥兄弟开始吧，这将是终极提示词。之前我们上传过GLM 5.2的Q4.8版本，即4.8比特量化版，质量很高。但我想给GLM 5.2最好的机会，所以我制作了一个更大的5.8比特量化版。我在Mac Studio和MacBook Pro上通过分布式计算运行它。如果你有几台这样的电脑，可以将它们集群连接以扩展内存。此外，我还准备了更大版本的Kimi K.27，之前发布的是3.5比特量化版，现在已提升至4.24比特，运行起来会更“有料”，同样使用分布式计算。本地AI测试耗时较长，但值得注意的是，“亚洲爸爸能量”说他用Claude Figurine花了一小时。让我们看看会发生什么，先设定标准：我问了Google的付费服务Gemini Pro——那些制造Transformer的最聪明的人：“做一个像超级马里奥世界3D的HTML游戏。”结果它生成了一个很糟糕的版本，我不得不问：“这就是你最好的水平吗？”因为它太基础了。它回答：“好的好的，我会做得更好。”

让我们看看它的成果：这就是Google眼中的超级马里奥世界，碰撞检测甚至都不工作。[笑声] 我最后死掉了。这是来自Google Gemini Pro付费服务的糟糕生成结果。几个月前Google发布它时，大家都说“ChatGPT完了，Google要接管了”。现在让我们看看小型开源AI能造成什么破坏。我先上GLM 5.2，Q5.8比特量化版，使用分布式计算。我在电脑上同时运行两个模型并启用了分布式计算按钮，在服务器端连接了我的Mac Studio，它拥有完全相同的模型。如果内存不足两台电脑，你可以设置集群将任务分片到多台计算机上。但这个量化版本有个特别之处：之前运行4.8比特版时需要启用“思考”模式才能做高级数学题，但这里你可以看到它正确回答了我们的数学问题，因为量化精度很高。所以不需要启用思考模式就能做对数学题。第一个测试是关闭思考模式，它能完成那个提示词吗？它生成了16,000个token，耗时近半小时（约1400秒），速度约为每秒11.5个token。

这个速度有点慢，因为我全程在调试模式运行以修复缓存等问题（已在后续版本中解决）。让我们播放看看构建的世界效果。这个叫“Sky Hopper”，立刻看起来就比Gemini Pro好多了，对吧？这里有个角色在跑。不得不说这是惊人的生成效果：他能跑、能跳，虽然会掉下去但运作良好。没有声音，相机不能移动……哦等等，可以！鼠标固定在屏幕上时能控制视角。这是关闭思考模式下的美丽生成结果。提醒一下，这是Google的尝试；而Claude Sonnet在最大思考模式下的尝试则失败了：我因使用免费服务耗尽消息额度，运行时出现未调用引用错误3。我无法修复直到上午10点，所以得等几小时看能否解决。Claude Sonnet在最大思考模式下无法修复它，但别担心我们很快会试Claude 3。那是在线生成的结果。现在让我们回去把GLM的思考模式设为“高”，它有低、最高和关闭三档。

思考模式为“高”时，生成24,000个token，速度11.5 token/秒。播放看看！[笑声] 那个人看起来像水管工，对吧？他有声音了，我喜欢他拉伸的动作。还有移动平台！哦我要赢这个游戏了，我想赢下来，加油我们可以做到！是的！你还会看到一个小结局序列：它统计了所有金币。这是非常漂亮的生成结果，我们对比的是顶级精英Gemini Pro——它做不到这个！GLM开源权重模型运行起来了。也许你需要计算机集群才能在本地跑，但潜力巨大且技术总在进步：今年可能没足够好的电脑本地运行，明年就会更好。还有一个模式要检查：GLM 5.2在最大思考设置下，生成44,000多个token，速度10.5 token/秒。其中很多是思考和推理过程。

关于最大思考模式，我发现后续提示词的长度并没有增加。实际上我进行了一些来回交互，但这只是一个单次提示生成的结果。我不需要修正任何内容，也没有说“修复这个”之类的话。这甚至没有使用测试框架（harness），而是直接在推理器上运行，完全没有进行任何代码修改。就是这样，直接玩一下看看效果吧。

刚才那个是《Cosmic Leap》（星际跳跃）。现在你不必再玩马里奥了，你有他的小伙伴。哦，那真是太漂亮了。这是一款不错的游戏，我要赢下它。我会全力以赴的。嘿，这和高级思考模式生成的结果非常相似。虽然角色不同，但确实打磨得很精致。你无法移动屏幕，它没有内置该功能，而且树木看起来非常漂亮。看看那个3D建模，你可以看到他有小脚在移动。它会在气泡中上下浮动，或者是她，不管是什么性别。

这是一个对《超级马里奥世界》重制的精彩生成结果。这就是目前的情况。不过，我实际上打算降低量化精度，看看能否在更少的内存上运行它。所以我转向了4.8位量化版本，这是我们上一代尝试过的较低精度选项，并且禁用了思考模式，上下文长度超过17,000个标记。让我们看看那带来了什么变化。结果与增加量化后的表现非常相似，但在浮动瓦片这里出现了一些裁剪问题哦，你可以二段跳。

哇，而且它仍然可玩。所以尽管我们进一步量化了模型，游戏依然可以运行，并且具有不同的动态关卡特性。这里有高级思考模式，但我打算直接切换到最大思考模式，看看那个效果如何。51,000个标记，而这只是在单台最大工作室机器上运行，也就是他们之前用512GB内存和戴尔服务器制作的那台。我们得到了一个超级平台3D冒险游戏。这家伙看起来像一头羊驼，他看起来很棒。

我喜欢他的微笑。我也喜欢那些管道和树木。这是一次非常漂亮的生成过程哦，他有声音效果。我能不能从下面走过去并击中那个？哦，我击中了那个方块，它变成了一个硬币。这太棒了！这真的很好。现在，如果有人能访问Claude Sonnet，请运行那个提示词并告诉我你得到什么样的结果。因为我认为这里用GLM生成的效果非常美丽，但我们还有一个开源的最先进模型可以尝试，那就是Kimi K2.7。

而Kimi K2.7刚刚发布了一个代码版本。所以我正在运行它的Q4_2 4位量化版本，并禁用了思考模式。它直接输出了一些标记，产生了8,300个标记。让我们看看那会做什么。不幸的是，那里有一点错误。所以嗯，我可能会购买更多位宽并说“嘿，有个错误”，以及那种类似的事情。但让我们先保持原样，因为我们很快就要进行一些高级测试了。我已经切换过去了。

我刚才做了高级思考模式。在启用思考模式下，他们加入了一些推理内容，有点像关于它打算做什么的计划。并不太长，大概只有两把抓的推理量而已。然后它再次产生了8,500个标记。有趣的是，它的代码生成比禁用思考模式时略少一点。所以也许你最好让它先写代码，然后再修正它，而不是让它在思考上消耗掉它的标记预算而不生成代码。让我们看看那个看起来怎么样。它有点有bug，圆环看起来很漂亮。

但我认为超级马里奥的样子不太好。所以我要说，就这次生成而言，看起来GLM 5.2赢得了比赛。但我们还有另一个演示即将到来。这是《Out Run》（ outrun，即“超速”或经典赛车游戏）。所以我不确定你们是否玩过这款叫Out Run的游戏。它有点像第一款驾驶类游戏，非常、非常美丽。如果你没看过，可以在YouTube上查看一下。所以我让Kimi K2.7制作了它。

它在禁用思考模式的情况下用7,000个标记完成了。我们有一个不错的……这实际上是一次非常棒的生成结果。我是说，它很短、很基础。但你有一个3D模型汽车，有树木，还有一条看起来真正漂亮的道路。也许它需要更多的内容才能达到AAA标准。但你知道，与我认为Gemini会制作的东西相比，我觉得Kimi K2.7在那里做得非常出色。启用思考模式下是25,000个标记，我想我中途不得不修正它。

因为左边会往右走，右边会往左走。所以是的，那是我唯一建议的bug修复。25,000个标记，每秒15个标记的速度。我正在调试模式下运行，所以在发布版中它会跑得更快。让我们看看那个Out Run看起来怎么样。那是一个不错的开场白，开始比赛。哦，我觉得它有点buggy。所以左边仍然往右走，右边仍然往左走。道路不如禁用思考模式时那么好。

但仍然有些东西在发生，水面上有东西在移动。（笑声）它在水上行驶。所以那就是那个生成结果，但我认为这次生成可能有一些bug。但我们不会就此止步，因为实际上我们很快会在接下来的提示词中使用Kimi Code以及完整版的在线云端Kimi 2.7。所以让我们跳进去，进入GLM 5.2的测试。这是Q5_8位量化版本，禁用了思考模式。它产生了22,000个标记的……哦等等。

是22,000个标记，但我中途不得不修正它一次。第一次生成时，菜单屏幕有个问题。所以你只是玩了游戏但什么都没发生。它直接跳到了结束画面。但第二次生成用22,000个标记自我修正了这个问题。所以让我们在这里点击播放。我们有一个加载系统，非常、非常有打磨感。这个开场白可以放在街机系统中展示。所以这个屏幕有点激进，我原本期待更精致一些。你可以看到背景中有一条赛道。

这家伙正在颠簸前行。这是非常、非常霓虹灯风格的效果。路上有其他汽车，但有一些bug。所以这些车似乎只是穿过并消失在屏幕外。我想我现在正撞上它们，是的，我认为我正在撞上它们，但我看不到它们，因为有一些渲染bug。看起来道路不能被裁剪，但有很多好的光照效果。汽车本身看起来很精致，那里有很大的潜力。但我没有跟进提示词看它能否改进，因为我想看看最大思考模式能做什么，因为那是高级思考模式。

在最大思考模式下，如你所见，它是一个巨大的上下文窗口。实际上我不得不分多轮运行它，因为我最初只有60,000个标记的上下文窗口。所以我实际上不得不再次提示它以便继续生成。所以总共产生了90,000个标记，那花了多少时间呢？那是……

生成最后两万令牌耗时三千秒，我估计花了约一个半小时。这是一次性提示词生成的结果，让我们看看它的表现。你可以选择难度等级，画面中有声音效果并点击播放后生效。屏幕上出现了汽车和道路，可以左右移动且存在碰撞机制。不过转向操作不够灵敏，只能轻微向右偏转，导致我无法在不撞到对方的情况下超车。尽管向左打方向盘时曲线变化微小，但这次生成包含了许多基础功能：检查点系统、道路上的其他车辆等。这展示了巨大的潜力，总共生成了九万令牌。

我刚才快速穿越了场景，九万令牌的产出确实蕴含无限可能。如果你想成为游戏开发者，现在正是好时机；或者你可能不想入行，因为人人都在做游戏开发。这将带来新的财富机会，人们会为自己制作专属游戏。除非你投入热情将其打磨精良，否则市场上充斥着大量劣质内容。有些人像厨师一样精心制作美食，而另一些人则追求快餐式的快速产出。或许未来的细分市场将倾向于打造惊艳的作品。因此，我想给 Kimi K2.7 一个机会，我使用了他们的 Visual Studio Code 插件。

最初生成的版本很糟糕，于是我要求改进并参考 YouTube 上的游戏案例，随后生成质量开始提升。现在我们有一个精美的过场动画：走向汽车并上车。经过多次提示优化，这是最终版本。虽然首次一次性生成的代码质量一般，但通过重新提示并告知其改进方向，确实能产出更好的代码。这是我在关闭生成前的最终版本：拥有上车动画、屏幕中的人群以及车灯效果。点击运行后，你能听到引擎声，汽车可左右移动，屏幕中的人群会欢呼造势。

道路上有其他车辆，虽然汽车有时会向左偏离（可通过提示修复），但整体框架扎实，具备碰撞等机制。这相当不错，我很喜欢这个局面。总结来看，Kimi K2.7 和 GLM 的表现各有千秋：GLM 5.2 在超级马里奥游戏中表现出色，赛车游戏方面两者不相上下。Kimi K 能做而 GLM 目前不能做的是视觉推理，例如提供网页截图让其复刻。接下来是终极挑战：将 Kimi 和 GLM 与 Claude Fable 进行对比。最后我还会展示它们制作的三维人脸作为趣味环节。

这个网站由 Asian Dad 和 AG 制作，采用特殊映射系统显示城市间的相对距离而非具体里程。驾驶模式显示小时数差异，点击城市地图会移动，这是 Claude Fable 的作品。我注意到驾驶地图看起来不错但不够精确（未详细绘制道路），飞行模式因仅限机场起降而显得准确。然而铁路地图存在问题：一小时 Fable 生成的内容中，铁路线路错误。实际上应仅连接火车站形成河口状结构，而非 Fable 生成的样式。此外，Fable 不支持移动端使用且无法点击交互，这些扣分项很严重——毕竟这是曾被下架的“过于优秀”的版本。

让我们看看 GLM 的表现：Fable 陷入无限循环，而我在本地生成时未给予互联网访问权限。GLM 必须依靠模型自身记忆回忆城市和地图信息，试图构建 Amtrak 火车站坐标。我怀疑量化过程导致了问题。但在高思考模式下，GLM 仅用三万四千令牌就完成任务且无循环现象。它直接思考并输出代码，无需任何修复。浏览器运行结果显示：GLM 优于 Fable 之处在于支持点击交互并显示整个系统结构。虽然铁路准确性存疑（似乎能瞬移，或许是有高铁？），且飞行地图与铁路图完全相同存在 Bug。

“Rail”这个选项确实容易让人困惑，开车模式也存在类似的问题。当选择驾驶时，系统并没有真正改变出行方式，因为在高思考模式下它似乎没有将这一因素考虑进去。不过我注意到一个细节：在地图上可以看到阿拉斯加作为美国的一部分，而在Fable生成的地图中却没有显示。我不确定这是针对阿拉斯加人的某种立场问题，还是其他原因导致的差异。

此外，你无法像之前那样用鼠标缩放或滑动屏幕来调整视图，但我喜欢可以点击城市名称的功能。例如输入“纽约”，它就会出现在下拉列表中。Fable也具备搜索功能，这一点同样令人印象深刻。然而当我们尝试切换到移动视图时，系统却失败了。这意味着在手机上你将无法看到完整内容，因此我们需要将思考模式调整到最高级别以获取更好的结果。

在最大思考模式下，我们获得了97,000个token的上下文窗口。生成过程花费了相当长的时间，甚至让我感到有些惊讶。说实话，我认为它最初生成了大约60,000个token的代码，但其中包含一些错误。于是我告诉它不要重新打印整个文件，而是只提供代码变更部分。我让它只输出特定的函数，这样我可以手动复制粘贴到项目中，而不是等待它重新生成整个文件。

这种代理式的使用方式非常高效，因为我并不是要求它反复重写整个代码库，而是让它提供针对性的修改建议。在启用最大思考模式后，你可以自由缩放和移动地图屏幕，体验相当不错。接下来我们测试了手机端的生成效果，发现质量也相当高。你可以点击城市名称触发动画效果，虽然圆环的可见性可能不如其他版本清晰，但这一版确实有一些独特之处。

当你切换到另一个城市时，系统会显示目的地估算时间：驾车需要6小时，飞行则需要11小时。我对这个数据有些怀疑，因为通常飞行应该更快才对。也许从皮尔到丹佛需要中转航班？你可以选择仅显示驾车路线，这看起来与之前看到的标准版本相似。飞行模式下的时间范围似乎都在合理区间内，尽管绘制可能略有偏差，但你能看到机场周围的速度变化。

值得注意的是，这些路线信息完全基于模型的内部记忆构建，并未从互联网获取任何实时数据。这一点值得肯定，因为它展示了模型对地理知识的掌握程度。至于火车路线的映射效果并不理想，可能是因为训练数据中缺乏相关信息。如果给它联网权限，或许能下载更准确的数据来提升准确性。

最后一个测试我们将使用Kimi K.27模型，通过Kimi Codes代理运行以给予其最大成功机会。这是它生成的地图界面：支持缩放操作，且在手机模式下也能正常工作（虽然只能显示半屏）。驾驶模式下的雷达效果与其他版本类似，但火车路线的准确性同样存在问题。飞行模式则表现出色，能够准确映射机场位置并支持城市点击交互功能。

如果你对这些模型生成的代码感兴趣：Fable使用MapLibre进行渲染引擎，结合Facebook的React框架；GLM 5.2采用D3库来绘制地图，视觉效果与之前一致；而Kimi K.27则使用Carto引擎处理瓦片数据。虽然我不确定该引擎是否有完整文档，但它被可口可乐和福特等大公司采用，说明其可靠性值得信赖。

你认为哪个模型最终获胜？是支持移动端点击交互并带有箭头指示的GLM吗？实际上，我应该给GLM一个修复提示来优化其表现。这正是人们通常的做法：在模型之上构建框架，运行代码、改进效果再重新执行。那些生成结果确实非常精美。作为趣味环节，我们将进行Kimi与GLM的最终对决，使用分布式计算平台运行最新版本。

Kimi Code 4.2版生成了令人惊叹的动画眼睛效果，赢得了这场展示。我特别喜欢它的发型设计，非常有2029年马斯克脑机接口的风格感。而GLM 5.2在禁用思考模式下生成了一种抽象艺术风格的形象，让人联想到马霍卡年代的作品。启用高思考模式后生成的角色鼻子造型优美，还长出了恶魔角——这与之前Kimi K.27的表现相似。

这些AI似乎认为人类应该长角，或者它们只是不知道如何正确绘制眉毛？由于没有头发而扣分不少，但这无疑是GLM 5.2生成的最佳人脸作品。在最大思考模式下产生的“怪物”形象依然美丽：眼球清晰、头发环绕头部一半、眉毛和嘴唇完整，还支持肤色调整和自动旋转功能。这简直是个恐怖又迷人的人脸生成器！

作为额外彩蛋，我们还对比了Kimi与GLM在Canvas动画方面的表现。这是GLM 5.2生成的作品，正如你所见，之前我们在分布式计算平台上运行时……

使用4.8位量化时，这里出现了一些小错误。但在分布式计算上运行5.8版本后，看起来没有我发现的bug。那边的生成效果非常漂亮。至于Kimi K2.7，同样地，这个看起来没那么好，因为它做了一些“越野”操作。我觉得那里有一列火车，这很壮观，但肯定有一些

损失，可能是由于量化问题，或者只是模型本身无法生成这些图形。所以你们怎么看？谁赢了这场展示？我认为开头用GLM生成的超级马里奥非常壮观。所以我必须把分数给那一个。至于Fable，我不太印象深刻，因为我读了所有报告说它是自切片面包以来最好的东西，而我能看到它在生成中犯了错误。

它没能正确完成铁路部分，甚至没有“看那个目标”的高级机制。你可以改变目标，可以做所有这些酷炫的事情。而且它在手机上也不起作用。所以与开源AI模型相比——它们甚至不需要互联网连接，也不需要harness connect进行纠正，仅凭一个直通的90,000 token提示就产生了——哦，那非常令人印象深刻。但请告诉我你们的想法。希望你们觉得这个视频有用并享受了这场展示。

那真的很酷，不是吗？你还有恶魔角。但有些东西在发生，这些AI认为我们看起来像那样。>> 嘿！

[音乐] >> 嘿！>> 我们之前展示过他。一个美丽的[音乐]生成，带有动画眼睛。这个赢了这场展示，而且我确实喜欢头发。这是非常2029版的发型，当我们的大脑里都有埃隆·马斯克的大脑芯片时。