Together AI 实测 GLM-5.3 对比 GPT-5.6 Sol：DeepSWE 上的成本、编码与路由

作者开源了Leader.skill，用于将模糊需求转化为Agent可独立执行数小时以上的清晰目标任务书。该Skill基于"目标七问"方法论，强调指挥官意图与Harness（排除项）比Goal本身更重要。作者推荐用Claude Fable 5或Kimi K3规划目标，再交由GPT-5.6 Sol或GLM-5.2等模型长程执行。

GLM-5.2（MIT开源，753B参数，约40B活跃）在AA Intelligence Index上仅比GPT-5.5低4分、比Claude Fable 5低9分，但其幻觉率仅28%，远低于GPT-5.5的86%和DeepSeek V4 Pro（1.6T参数，49B活跃）的94%。后者在AA-Omniscience基准上仅6%的问题会承认不知道。实际代码测试中，GLM-5.2用12秒和800个推理token识别出技术悖论，而DeepSeek V4 Pro耗费3分26秒和近…

Fireworks 发布 2026 年开源 LLM 选型指南，覆盖 GLM 5.2、Kimi K3、Kimi K2.7 Code、DeepSeek-V4-Pro/Flash、MiniMax M3、Qwen3.7 Plus、gpt-oss-120b 和 Gemma 4 31B IT 九款模型。

作者转发引用数据指出，1.5 年前 o1 Pro 定价 $150/$600 每百万 token，如今 GLM-5.3 Flash 为 $0.15/$0.50，价格下降约 1000 倍，而后者据称更智能。作者据此认为模型在变聪明的同时成本大幅下降，并预测 12 个月后 GPT Astra 级别的智能将几乎免费。

我现在几乎不用 Claude Opus 5 了。 它说话不像正常人（尤其是中文）。太啰嗦，很少说到点子上。GPT-5.6 Sol 更好。 与此同时，GLM-5.3、GLM-5.3-Flash 和 Kimi K3 等开源模型相当不错，而且性价比高。 已经没有默认赢家了。

GLM-5.3 （max） 在全新 Terminal-Bench 4.0 上超越 GPT-5.6 （max），这我可没预料到。1） 什么？

我越是使用前沿模型，就越不相信存在一个模型能统治一切。 - Opus 5：最擅长用生成的 HTML 教我东西，但冗长且潦草。 - GPT-5.6 Sol：后端很强，前端较弱。 - Kimi K3 / GLM-5.2：日常编码中 90% 的场景便宜又高效，但在写内核这类 AI 研究任务上较弱。 每个实验室都在为 AGI 而训练。但今天的 LLM 仍然是专才。

腾讯与阿里在AI战略上押注相反路径：腾讯依托混元、微信智能体与WorkBuddy等工具将AI融入现有生态，阿里则围绕芯片、云计算和基础模型重建AI基础设施。宇树CEO王兴兴称人形机器人尚不成熟，预计3-5年内实现"ChatGPT时刻"。小米H1 2026营收同比降8.4%至289亿美元，受内存芯片价格挤压利润。GLM-5.3已加入Claude和GPT所在的第一梯队。

神秘模型 Ox Alpha 在 DeepSWE 测试中取得约 63% 成绩，表现与 GPT-5.6 Sol mid 相当。若该模型确为 GLM-5.3 Flash，能在 DGX Spark 上本地运行，将极具性价比。用户评价其代码质量好、处理复杂任务能力强，但速度偏慢且偶尔遗留死代码。

Together AI 在 DeepSWE v1.1 全部 113 个任务上实测 GLM-5.3 与 GLM-5.3 Flash，各跑 4 次共 900 rollouts。