GLM-5.3 Flash 模型规格与视觉能力突破

本期视频主要评测 GLM-5.3 Flash Edition，指出其性能全面超越前代 GLM-5.2。尽管 GLM-5.3 的参数量仅为 320 billion parameters，是 Qwen 4 exp 模型体积的三倍，但其激活参数更多且基准测试分数更高。该版本的一大亮点是支持 视觉推理（vision inference），允许用户通过复制粘贴网站截图来克隆网页。作者认为这种能力将彻底改变生产力工具的使用方式，导致传统开发工作被简化为直接调用现成应用。

"The good thing about the flash edition is that it look at this 640 GB. Now GLM 5.2 was 1.5 terabytes." "If you ever wanted to like copy and paste someone's website and then have it clone it for you, now you can."

推理代码修复与思考模式机制解析

作者指出该模型的 推理代码（inference code） 初始状态比 Qwen 4 exp 更糟糕，需大量工作以修复算子（ops）和保真度。模型提供 Low、High 和 Max 三种思考模式，但不再支持非思考模式。若强制使用 non-thinking mode，模型会生成包含错误代码并尝试自我修正的怪异结果。作者发现该架构基于 Deep Seek V4 并结合了 Kimmy Delta Retention，导致在非思考模式下会出现拼写错误和 HTTP 请求空格等低级失误。

"Inference code that I took with this one was in a worse state than Quen 4 exp." "There is no more uh a non-thinking mode. They don't support that."

高保真度测试中的 URL 错误与强制终止策略

在 Low thinking 模式下，即使使用最高保真度推理，模型仍会生成错误的 URL 导致运行时错误。作者强调 Thinking 对于获取高质量代码至关重要，云端服务甚至不允许关闭深度思考功能。在 Max thinking 模式下，模型倾向于无限循环思考（曾达到 75,000 tokens），作者为此开发了 “Limited Thinking” 功能。该机制通过智能计数思维链并在特定阈值（如 10,000 tokens）强制结束思考，解决了朴素插入 think 标签导致的生成质量问题。

GLM-5 Flash本地生成宠物动画与在线版对比

在展示完代码改进后，视频演示了GLM-5 Flash在最大思考模式（Max Thinking）下的生成能力。本地生成的宠物动画包含围栏、草地和混凝土背景，尾巴摇摆的动效自然且细节丰富。随后将其与在线版本进行对比，尽管在线版思考时间较长，但本地生成的质量非常接近在线结果。这种差异可能源于不同的随机种子或温度设置，但总体而言，本地部署在视觉生成上已能达到令人满意的高保真度。

"The generation we made locally is very close to the one online."

太阳系模拟：低思考与上下文注意力的效果提升

接下来测试太阳系生成任务，并与Qwen 27B、Qwen 3.8及最新的Qwen 4 EXP进行对比。首先指出该模型不建议禁用思考模式，否则会产生大量错误代码。在启用低思考（Low Thinking）模式下，模型生成了31,000个token的精美太阳系，行星可点击且带有标签。进一步启用上下文注意力（Context Attention）后，token生成量提升至40,000个，月亮比例更加真实（相比Qwen 4生成的巨大月球），整体视觉效果显著改善。尽管最大思考模式耗时较长，但其最终呈现的太阳光晕和行星纹理保真度最高。

"When you click on that, it expands the attention to more context for it to generate the tokens with."

引入飞船交互：Qwen系列与GLM-5 Flash的代码鲁棒性对比

在静态场景基础上，通过提示词要求添加可由鼠标键盘控制的飞船。Qwen 3.8生成的飞船在运行时不可见，需要多次调试；而Qwen 4 EXP虽然生成了可见飞船且外观华丽，但存在控制逻辑错误（左右方向颠倒）及无激光发射的问题。相比之下，GLM-5 Flash在禁用思考模式下生成37,000个token但无法进入飞船，而在限制10,000 token思考量的最大模式下生成40,000个token，成功实现了飞船交互功能。尽管初始位置略有偏移，但GLM-5 Flash在复杂代码逻辑的稳定性与可用性上表现更优。

GLM-5-Flash 太空游戏生成：从基础控制到动态光照的进化

在测试 GLM-5-Flash 生成交互式太空游戏时，模型表现随思考令牌数增加而显著提升。当限制为 25,000 tokens 时，模型仅生成了约 49,000 tokens 的代码便停止，因为它找到了一种“逃逸策略”，实际只多输出了 9,000 extra tokens。尽管代码量未达上限，生成的游戏已具备合理的基本控制逻辑：按下方向键飞船会相应升降，并包含 turbo boost mode（涡轮加速模式）和激光武器。然而此时存在明显缺陷，即 lasers are just stuck（激光停滞），射击时激光束会静止在飞船旁形成光效，却无法攻击行星。通过按下 T 键锁定目标（如地球）并按 G 键启动 autopilot（自动驾驶），模型展示了未要求但自动添加的额外功能，如温度临界反馈。随着思考令牌提升至 50,000 tokens，激光发射功能终于正常运作，能够摧毁地球并产生爆炸效果。此外，模型还修复了基线代码中的光照问题，在 asteroid belt（小行星带）周围增加了动态反射和辉光效果。作者认为，相比 Qwen 4 exp，GLM-5-Flash 在 adding on to existing code（向现有代码追加功能）方面的生成质量明显更好，这得益于其 three times the size（三倍体量）的优势。

"The lasers are just stuck beside you, which makes some spectacular lighting effects, but it's not attacking any planets."

"I think it's even improved on the generation of Quen... There is a lot of dynamic lighting and reflections that it's actually fixed up."

人脸生成挑战：GLM-5-Flash vs Qwen 4 exp 的视觉对比

接下来的人脸生成测试揭示了模型间的显著差距。Qwen 4 exp 此前创造了“史上最好的人脸”，而 GLM-5-Flash 在 low thinking（低思考模式）下消耗了 75,000 tokens 生成的面部虽然具备嘴唇和眼睛等基本特征，被作者评价为“good contender”（有力竞争者），但整体质量仍远逊于 Qwen 4 exp。作者指出，由于本地运行缺乏超级计算机支持，高思考模式（max thinking）可能需要数天时间完成生成。尽管当前版本在低思考模式下表现尚可，但为了追求极致效果，作者正在制作 max thinking 版本。这一对比表明，虽然 GLM-5-Flash 在代码迭代和逻辑扩展上优于 Qwen 4 exp，但在纯视觉资产（如人脸）的精细度生成上，Qwen 4 exp 依然保持领先优势。作者强调本地推理需要更策略性地使用 limited thinking（有限思考）等工具，以平衡生成质量与时间成本。

"Quen 4 exp's version was just a whole lot better."

GTA 5 本地复现：从云端截断错误到完整可玩版本的突破

GTA 5 的生成是本次测试中最具挑战性的部分。首先展示云端版本时，模型在 1,387 lines 处停止生成代码，导致文件不完整。通过审查模型的思考过程发现，云端版本存在严重逻辑错误，包括 using a variable before it's even declared（使用未声明变量）和缺失函数。本地测试中，作者经历了约 30 generations 的迭代以修复 bug 并提升保真度。在 max thinking mode（最大思考模式）下，上下文窗口达到 200,000 tokens。修复后的版本展示了完整的开场动画、城市交通 AI 以及可操控的 Lego man character（乐高小人角色）。虽然初期存在光照随时间变暗进入夜模式的问题，但通过进一步提示修复后，游戏实现了 police pursuit（警察追捕）、车辆劫持、行人碰撞检测及音效反馈。最终，作者制作了一个 10,000 tokens 生成的更高保真度版本（注：原文此处语境为 max thinking 下的最终稳定版，虽提及10,000 tokens可能指单次迭代或特定模块，但结合前文20万上下文背景，此处保留原文数字描述其最终无编译错误的状态），该版本运行略慢于 Q9 但无任何 compile errors（编译错误）。

本地生成质量与云端运行时的错误对比

视频博主指出，当前展示的并非他上传的最终版本，因为该版本的生成速度比 Q9 版本每秒慢五个 token。尽管 Q9 版本在质量上与此处展示的版本几乎相当，但博主提到自己曾在此前迭代中遭遇过错误。观察生成的画面可以发现，虽然存在相同的 光照破碎问题，但角色模型显著改善：人物拥有完整的四肢并能正常行走。这意味着开发者可以 用真实的 3D 模型替换骨骼动画，从而实现更自然的动作表现。场景设定在埃及吉萨金字塔附近，角色手持枪械可以射击，但依然存在一个顽固的物理逻辑 bug：子弹和激光束都不愿意向前发射，似乎存在某种中间层的配置问题。

"He's actually got limbs. He's walking around with proper limbs and all that kind of stuff... So, it probably like a thing in the middle."

云端代理循环中的错误修复与性能瓶颈

博主进入云端版本查看其自动修复错误的过程，发现即使是在云端运行，模型也出现了 运行时错误（如意外 token），表明该模型即便在高性能环境下也并非 100% 稳定。然而，代理循环（Agent Loop）是该模型的优势所在。由于官方将 1.5 TB 的原始模型压缩至 600 GB，这种高强度的压缩可能牺牲了部分质量。在循环运行中，模型不断发现并修复语法错误等 bug，最终生成了精美的游戏开场动画。尽管 云端的动画流畅度略逊于本地运行，且存在方向控制反转的 bug（按上键向下走，左变右），但生成的城市场景包含交通和行人互动，甚至能触发警察追捕机制。博主认为这种生成质量已非常接近 Fable 系列的水准，尽管其模型体积远小于后者。

"So a lot of compression happening there... We can see here when it's going through the agent loop, we can see that it is coming up with lots of errors."

生成耗时统计与代码风格评价

博主提供了具体的性能数据以供参考：在 370 GB 内存环境下，模型运行速度约为每秒 20 token（调试模式下为 16.5 token）。处理 100,000 tokens的上下文窗口需要 1,800 秒（半小时），而处理超过 200,000 tokens的生成任务则需 一小时以上。这种漫长的等待时间要求用户具备足够的耐心或硬件资源。此外，博主批评该模型的代码风格为 “原始人编码”（caveman coding）：它倾向于直接输出压缩后的代码块，缺乏可读性。虽然博主作为程序员更偏好函数式编程和可控的模块结构，建议想运行循环的用户使用 Qwen 27B 配合 MTP技术，但他承认对于只追求功能可用的非专业用户来说，这种代码风格或许是可以接受的。

"100,000 tokens takes 1,800 seconds. So that's half an hour just leaving your computer and hoping that it would work... The coding is also caveman coding."

逻辑推理测试与模型定位分析

博主进行了几项趣味性的逻辑和常识测试。首先，他询问“洗车店距家 50 米，应该开车还是步行？”，模型回答应驾车，其中 步行的概率仅为 5%，而驾车的置信度为 53%。其次，在“走进人群被要求选择 B”的测试中，模型虽然不知道“倒带（rewinding）”的概念，但给出了一个幽默的回答：建议跳迈克尔·杰克逊的舞并大喊“Shaboo shaboom”。最后，在经典的“8 个橙子分给 4 个孩子”谜题中，模型正确回答每人两个且无需刀。博主总结认为 GLM 5.3 Flash 表现惊人，指出该系列不仅追求参数量（如 Kimi K3 的 2.8 万亿参数），MiniMax 也在训练更大规模的模型。尽管基准测试显示其擅长编码，但官网将其定位为全能模型（All-round model），而 5.3 版本才更侧重编码，博主正下载该版本进行进一步测试。

GLM-5.5架构转向与模型尺寸策略调整

智谱AI在GLM-4系列中曾坚持开发万亿参数级模型，但最新发布的GLM-5.5在架构上虽有所创新，却明确转向了更小的模型尺寸。这一转变标志着智谱结束了长达一年多的“越大越好”研发路径，重新回归到可管理规模模型的开发策略。尽管GLM-5.5本身仍属大型模型，但官方已公开表示将致力于缩小后续模型的体积。这种战略回调并非孤立事件，而是整个行业在平衡性能与部署成本后的共同选择，旨在解决超大模型在实际落地中的资源瓶颈问题。

"They've already said that new architecture for it, but they also went back and said, 'Let's make these models a little bit smaller.'"

本地推理性能优化与MTP技术加速机制

在本地部署场景中，多Token预测（MTP） 技术的应用显著提升了推理效率。测试数据显示，在Q9量化精度下，模型运行速度约为20 tokens/秒；若降低至Q4量化精度，基础推理速度可提升至约30 tokens/秒。值得注意的是，MTP技术能在上述基础上进一步加速生成过程。这意味着即便在本地硬件环境下，通过量化与MTP技术的结合，用户也能获得更具实用价值的实时交互体验。对于追求本地化部署的用户而言，这种推理速度的提升是评估模型可用性的关键指标之一。

"Even at 20 tokens a second, I'm running that at Q9. If you run that at Q4, you're going to get like 30 tokens a second. MTP, you're going to get even faster inference speed."

未来展望：GLM-5.3全量版测试与本地生态竞争格局

视频最后预告了对GLM-5.3全量版（Full Fat Edition） 的下载与测试计划，旨在验证其在完整参数下的生成质量表现。此外，作者推测智谱可能会推出类似Qwen 27B的中等规模竞品模型。如果这一预测成真，将为本地运行小型模型的开发者带来极具吸引力的选择。这种中等规模模型的市场竞争有望进一步丰富本地AI生态，降低高性能模型的部署门槛。随着GLM-5.3测试结果的公布，我们将能更清晰地看到智谱在本地化部署领域的最新进展及其对现有市场格局的影响。

结论

GLM-5.3 Flash在代码逻辑鲁棒性、复杂功能迭代及视觉推理克隆方面显著优于Qwen 4 exp，尤其在向现有代码追加交互功能时表现稳定。其短板在于纯视觉资产（如人脸）精细度不及Qwen 4，且本地推理速度较慢、代码风格缺乏可读性。该模型适合具备耐心与硬件资源的开发者用于复杂逻辑构建，但不建议非专业用户直接使用。目前其作为全能模型的定位尚需全量版测试验证，且受限于本地部署的高时间成本。