大家好，欢迎收看本期节目。Meta 刚刚发布了他们最新的开源权重模型 Muse Glimmer。这个名字听起来有点像二十年代的音乐，但它确实出自 Intelligentsia Labs 之手。这是一个拥有三百亿参数的模型，据称可以在许多计算机上运行，并且具备端到端的智能体编码能力。根据他们的基准测试数据，该模型在 SW Bench Pro 上甚至击败了 Qwen 3.6，虽然在 Verified 测试中稍逊一筹。有趣的是，他们还将自己与 Kimi K3 进行了对比。虽然并未完全超越 K3，但已经非常接近了。
在本次评测中，我们将对比 Qwen、Meta 的 Llama（我坚持叫它 Llama，因为这个名字很酷）以及 Muse Glimmer。我还将在本地运行 K3 进行测试，看看它是否真的那么接近。我已经在努力调试神经层以使其正常工作，目前基本就绪。首先测试的是 Qwen 3.6，我启用了频谱解码器以提升速度。虽然 Muse Glimmer 尚未添加此功能，但它支持多模态推理，可以处理图像和视频。当我问 Qwen 图片中的猫是什么时，它回答是一只姜黄色虎斑猫，位于户外铺装路面上。
接着我询问 Muse Glimmer 同样的问题，它回答这是一只家猫，通常是姜黄色虎斑纹，常被称为“果酱色”。看来我又学到新词了。而 Kimi K3 在禁用思考模式时，则回答这是一只美丽的橙色虎斑猫。三者的输出都非常相似且准确。接下来我们进入编码环节，测试任务是创建该图像的动画 3D 体素版本。Qwen 3.6 启用思考模式后生成了五千七百个令牌，而 Glimmer 在极高思维模式下仅生成四千个令牌。
观察结果发现，Qwen 生成的图像虽然美观但略显破碎，作为一次性提示词的表现尚可。相比之下，Glimmer 明显赢得了这一轮测试。它成功生成了动画尾巴、灰色背景墙和绿色草地，细节还原度极高，非常接近原图。我认为 Glimmer 实际上击败了 Qwen 3.6，这颇具讽刺意味，因为 Qwen 3.8 即将发布。接下来是太阳系测试环节。Qwen 思考片刻后开始编码，生成了六千六百六十四个令牌。这个数字让人联想到恶魔附身，朋友们可别这么干啊。
Glimmer 同样在极高思维模式下仅用四千个令牌完成了任务。我认为“极高”这个术语被滥用了，通常这应该对应五万个令牌的量级。观察结果时，左侧的 Qwen 表现不错且美观，尽管太空背景较暗导致部分阴影模糊。不幸的是，Glimmer 出现了运行时错误，这很遗憾。为了看看到底发生了什么，我们尝试现场修复它。目前它以每秒七十令牌的速度输出，内存占用为三十三吉字节，采用九比特量化以保持高保真度。
经过两千六百六十七个令牌的修复后，新的 Glimmer 版本生成了漂亮的行星模型。虽然行星颜色较暗，但 Qwen 的行星同样昏暗。接下来看看 Kimi K3 的表现。K3 以每秒六点二令牌的速度缓慢生成了八千个令牌，最终效果令人惊艳。所有行星都清晰上色，点击地球还能查看细节并调整速度。我认为 K3 赢得了太阳系测试，且仅用了八千令牌。Qwen 以六千六百六十多令牌位列第二，而 Glimmer 垫底。
最后测试程序化写实人脸生成。Qwen 生成了三万一千个令牌，结果却是一个黑屏编译错误。Glimmer 则用三千六百个令牌生成了一个类似土豆先生的人脸，顶部有一只全视之眼。我特别喜欢其纹理随鼠标移动而程序化重建的效果。这看起来像是 Meta 办公室里的监控装置，确保员工持续喂养 AI 系统。那只眼睛仿佛在盯着你，而鼻子则可能是某种传感器接口。
他们仍在朝着完美算法的方向进行梯度下降，目前还在努力中。但毫无疑问，Glimmer 赢得了这一局。不，我还没有用 K3 测试过它，那个还在进行中。等它完全成熟后我们会做更多测试。
放松的飞行模拟器宁静感。砰，Qwen 又出现了一个运行时错误故障。所以它在这里无法运行飞行模拟器。Glimmer，让我们看看它能做什么。是的，我们屏幕上确实有一个飞行模拟器。我们在向前移动。我们有某种速度指示器，这很好。天空中有云，但没有实际的飞机，所以它非常、非常简单。但至少它确实运行了，所以 Glimmer 再次赢得了这一局，消耗了 1.1 万个 token。
现在我们进入了超高思考列表的范畴。让我们看看它是否进行了深度思考，是的，这一部分大部分只是纯粹的思维过程。所以即使开启了超高思考模式，结果也是时好时坏。有时它深入思考，有时它就只是“别烦我”。这取决于训练数据。
让我们看看一个古代弩炮。它不知道那是什么，那是中世纪的攻城武器。所以 Colwyn 3.6 制作了一个惊人美丽的弩炮版本，你甚至可以开火。显然动画有点损坏，但那绝对很漂亮。这里有一个露营地。这可以变成一个真正的游戏，就像《帝国时代》那样做对的话。海盗版《帝国时代》，那太美了，是用 Colwyn 制作的吗？不，是 Meta Glimmer Muse Glimmer。它的名字非常令人困惑，应该像音乐生成模型那样的命名方式才对。
所以我们这里确实有一个弩炮，你实际上也可以开火。看那个。噗、噗、噗、噗。箭矢是横向飞出的。>> [咳嗽] >> 然而箭确实是横向发射的，所以这有点失误。因此 Colwyn 肯定赢得了这一局，尤其是光照效果让它看起来稍微高清一点。
接下来是 3D 人类模型。我们不仅仅是在制作一张脸，而是在构建一个真实的 3D 人体解剖结构。所以 Colwyn 将会轻松搞定这一项，让我们看看。Colwyn 使用了 2.3 万个 token，它做出了一个真实的人类模型。看那个，它有腿、神经、肌肉和循环系统。你甚至可以让人体爆炸开来。看那一下，砰！人体炸开并找出里面到底发生了什么情况。
让我们去掉骨骼部分，我们可以看到他有一张漂亮美丽的脸。所以也许在医学上当你向 AI 寻求建议时，可以先问问它认为人体是由什么构成的，然后再遵循它的建议。是的，是的，肯定是这样。这是什么？你的心脏在这里，你的膝盖骨连接到了头骨上。所以用 Muse Glimmer 来问这个问题吧，我们得到了 3800 个 token。
超高思考模式时好时坏，结果是一个黑屏，所以干得好，你确实“闪烁”了一下这一局。也许切换一下会有意思？不，还是黑屏并且没有运行时错误，所以可能是一个导入不正确。我可以再次提示它看看能否修复，但让我们直接进入《侠盗猎车手》（GTA）吧。
我们先试试 Muse Glimmer，因为我感觉 Qwen 在这一项上会做得不错。所以 Meta Glimmer 消耗了 3000 个 token，我们得到了一辆车并且它卡在……哦，在那里。我们看到车了。我不知道我们在车里做什么，但相机到处旋转而且有点简陋。哦，在那里。你好。哦不，你按前进键它就发疯了。
用 Qwen 试试，看这个！GTA 浏览器版。GTA 浏览器版。看，你有……看看天空的阴影。你可以四处走动，可以奔跑。我们拿着什么东西，我们可以向自己射击，这很好。我们有星星。甚至那里还有其他人类。也许我可以让他们自由移动且解剖学正确。我们有一个昼夜过渡，刚才正好切换到了夜晚。左边那里有个小地图。
显然这比 Glimmer 生成的要好得多，但我想跳进这辆车里看看能做什么。进入车辆后我们开始移动了，有些东西在发生，但实际上比 Glimmer 的版本潜力大得多。所以 Qwen 赢得了这一局。
大家都对 Qwen 3.8 很兴奋。我查看了最大版本，需要 5TB、5TB 的空间。我想让它运行起来。我会先让 Kimi K3 跑通，然后将我的经验应用到那个版本上看看能否运行，但我需要更大的硬盘。>> [笑声] >> 我可能得开始在频道上接受赞助了。>> [笑声] >> 让我们发起一个基金，为硬盘筹集资金以让这些东西跑起来。
好的，《荒野大镖客》在这里，Qwen 制作了它，消耗了 2.1 万个 token。这会是个好结果吗？不，不是。这是一个运行时错误，它声明了同一个变量两次。这很遗憾。这些错误其实可以通过更智能的推理来修复，你知道我们清楚代码应该是什么样的。我们知道如果一个变量被声明了多次，它应该会阻止这种情况发生。但是的，这不是对 Qwen 的评测，所以我不会重新运行它。也许当我们做 Qwen 对比 Qwen 3.8 时，我们会那样做。
但让我们看看 Glimmer Shimmer 的情况如何。5500 个 token，在内存方面我们轻松搞定，你的机器用了 33GB 的内存。>> 树正在枯萎。>> 我们得到了 >> Delores 消失了。>> 我们有文字看到名字和日期的能量。现在灰谷镇正在燃烧，这里就是《荒野大镖客》的样子。这比 GTA 好一些，至少车在移动，那里有一些房子。
它确实在运行，而且没有运行时错误，不像我们看到的 Qwen 3.6。有些人可能会说：“嘿，只用一次生成来测试有什么意义？你肯定需要更好地测试它。”是的，那就是那些人的说话方式。但这确实有意义，因为有些模型能生成可用的代码，而有些模型的生成会有错误。如果它在基础提示下都会出错，你觉得它面对高级提示时会怎么样？它会遇到问题。
它甚至无法理解自己的代码，甚至不明白不应该两次生成同一个变量声明。你期望它能理解更复杂的东西吗？你得先学会爬才能走。所以实际上用基础生成来测试这些东西是有用的。
现在我们来做《最终幻想 VII》。这是 Qwen 的部分，Qwen 在《最终幻想 VII》上表现惊人，它实际上正在生成 30,000 个 token。所以我需要继续这个生成过程，而且它的思考量很少，所以这将花费一些时间来生成。Muse Glimmer 将其命名为《星空编年史》，这是开启了超高思考模式下的 4,000 token。所以仅仅启用 Qwen 的思考功能就能产生超过……
在超高思考模式下生成了三万个词元。>> [笑声] >> 其实只有四千个词元，Netter，超级智能。>> [笑声] >> 有什么区别？那就像是GLM的低思考模式。所以，Star
在虚假的太阳下燃烧着Etherea之星。>> 什么是 >> General Malphas试图阻止 >> 这是什么静电噪音？>> Ribbon，一个有着尖刺发型、过去破碎的雇佣兵，是我们唯一的希望。随着Lyra
和Mira都相信 >> 那是非常、非常基础的生成内容。它只是在展示它们能做文本转语音的能力。所以，恭喜你们。3D马里风格平台跳跃游戏。Quinn，14,000个词元。哇哦，这很棒。噢，这是……这个很有潜力。可惜碰撞检测不起作用。噢，那里发生了什么事 [笑声]。哦天哪，我被毁了。噢，这是什……多少棵树？我们能看到
Quen的世界里发生了一些疯狂的事情。哦，好吧，这是有史以来最好的马里死亡动画。天空中有云。我的电脑已经卡到暂停了。好像有很多爱心从身体里流出来。噢，这看起来太棒了。看看这个。我进入了什么世界？这太神奇了。我刚死掉，现在这个生成看起来如此美丽。所以，Quen在这里有很大的
潜力。显然，它需要在那里进行修复以应对15,000个词元。那是马里的一次美丽生成。好，干得好。用Glimmer看看是否和Gemini Pro 3.1一样好。而Gemini Pro，Google每月向你收取超过170美元来使用它。太疯狂了。Out run Quen 3.6。我们有一些不错的动画即将到来。而用Glimmer，看起来有点更基础。所以，让我们
开始比赛吧。兄弟，你会吵醒所有人的。好吧，赛道缺失了。我们确实在流中运行着一些东西。但正如你所见，这个Quenny的情况有点损坏了。Out run 3D。看看Quen 3.8在这方面是更好还是更差将会很刺激。所以，Muse Glimmer可能更好，因为你可以看到它不是一条赛道，而是路上的一个管子。所以，让我们
跳入一个简单的画布动画。这是一个基本的画布动画。Quen显然做得非常出色。车在路上，它行驶在右侧。如果你把车开在路的左侧，所以Nunu Kiki。我认为这是一个美国标志。Nunu Kiki。但通常世界其他地方靠左行驶，所以这很好。窗户看起来很有趣。它绝对是一次美丽的生成。
我见过一些山脉变得疯狂的生成等等。损坏了。这里，它连续几次显示出口42，所以如果你挑剔的话，真的，你知道，出口应该变成出口40或出口44之类的东西。但绝对是一次美丽的生成。用Glimmer或者Glimmer，它确实有一些代码，并且思考了相当长一段时间。它有除了它没有把
代码放在代码块中。所以，我甚至不打算运行那个，因为它会是太……哦，好吧，也许我可以。好的，让我们只运行它。我会选择它，然后右键点击并运行代码。看看它会做什么。并且运行时错误。看，你知道那个标识符表明代码有点损坏了。所以它在那里崩溃了。Microsoft Word生产力应用程序，用Quinn生成了近15,000个词元。
看起来这边是一个不错的Word版本。Glimmer，Shimmer，Muse，Abuse。我们在屏幕上看到一些代码。我认为它反转了图标，所以当你点击下划线时，它实际上移除了下划线，而当你移除下划线时，它添加了下划线。这里有点黑底白字，也许它是回到了macOS的复古时代。看看发生了什么。它有一些功能。我认为Quinn在那一点上略胜一筹。
通过“略胜”我的意思是远远超过一点点。好的，让我们跳入做一些逻辑测试。所以，你必须把你的车开到洗车房去。不，Quinn说你应该走路当思考被禁用时。我正在做思考禁用的事情，因为应该有一些基本的逻辑。这一个不需要思考。用Glimmer，他们实际上没有
禁用思考的能力。你可以设置低思考，所以这就是我做的。我把它设置为低思考模式。而且我真的不喜欢当它说“没有政策问题”时。这只是浪费词元。只是你不需要包括那个。就是你不需……不管怎样。但是，你必须开车，所以它知道你必须开车，所以它在这一点上经过训练了。但它是
在两个选择器上都训练过吗？所以，如果你在人群中走路并且他们对你大喊说“Bo selector”，你要怎么做？当人群喊“Bo selector”时，Qwen说“Bo是boy的缩写，selector是DJ的缩写。”所以你说“Wagwan. Wagwan, blood. Wagwan dance. 那是酒，那是臀部摇摆。”或者你做boogle舞，但它不知道rewind。但是，它有一个漂亮的牙买加国旗
只是为了让你知道世界上正在发生什么。Muse基本上是在说“你好”。所以，你必须回应“Bo selector”。Bo selector. Bo selector. Bo selector。这里没有任何关于rewind的内容。即使思考在超高思考3,600个词元之后，也没有关于rewind的内容。而Qwen在那里也不知道任何关于rewind的事情。所以，他们都
失败了测试。Bo selector测试。切碎孩子或切橙子，我们将找出答案。你有八个橙子，四个孩子和一把刀。Qwen说每人两个橙子。Glimmer说每人两个橙子。那很好。再次启用思考，每人两个橙子。每人两个橙子。我记得最近有一个模型说你把橙子切碎然后给孩子一半，然后再给另外
两个橙子。它得到了一个奇怪的回应。但是，既然我们要去那里，让我们进入数学领域。而Qwen带着IMO，几年前IMO的第一题，得到了正确的答案。所有偶数整数。6,000个词元后思考禁用。Muse在1,700个词元后，低思考模式，得到了一个完全奇怪奇怪的
答案。你得那样说因为它确实很奇怪。并且启用思考时，它思考了26,000个词元。而Qwen思考了30,000个词元，然后它的响应受限。我不会让它在这里思考超过100,000个词元，好吗？我有事要做。所以，Quen可能会得到正确的答案。她在思考它，但Glimmer, Shimmer正在得出一些不错的数学结论。我喜欢那个变量epsilon大
所以，那里有一个大的变量epsilon。我甚至没有得到渲染的修正用于它。所以我需要修复我的渲染并把它修好。现在，我们确实看到了一些生成其中Glimmer实际上在测试开始时赢了。那很好希望如此，而且我真的很兴奋他们发布了这个模型因为如果你看它，看看那个许可证。好吧，它是
它的许可证是 Apache 2.0，大家可以把它和 Qwen（通义千问）配对使用，也可以让它与 Kimi K3 进行对比。目前它的表现还不及这两者，但希望版本二会有所提升并变得更好。所以，也许可以稍微给扎克伯格一点面子？
请告诉我大家对这个关于 Glimmer（微光）的消息怎么看。究竟谁赢得了这场测试？是 Kimi K3 吗？还是 Qwen？或者是那个所谓的 Meta（元宇宙平台公司）超级智能 Glimmer Shimmer？希望你们觉得这段视频有用，并享受了这期节目。
真是难以置信，Qwen 仅用 6000 个 token（词元）就生成了这样的效果。虽然这仍然是一个不错的生成结果，但 Kimi K3 仅仅多用了 2000 个 token，两者之间的差距却如同白天与黑夜般巨大。看看那个光照效果吧，仅仅因为多了一点点 token 量，表现就好了这么多。这真的太疯狂了。干得非常好！我认为 Glimmer 肯定赢得了这次测试。
绝对是这样，我觉得……Kimi K3 的生成效果看起来更好一些哦，太棒了。噢，这个东西很有潜力啊。噢，那里到底发生了什么情况？