据智普公众号,五月二十二日,智普宣布面向部分企业客户提供 g l m 五点一高速版 api, g l m 五点一 high speed 模型,输出速度达到四百 tokens s。 据介绍, g l m 五点一高速版适用于 ai 编程、实时交互、 商业决策、实时语音等对响应延迟要求极高的场景,现已面向智普 mouse 平台部分企业客户开放服务。
粉丝5.9万获赞61.8万

断档第一!就在刚刚,智普 g m 五点一登顶 swbench 等一众硬核榜单,连 happy face 的 ceo 都发文祝贺。在编程能力三项综合测试中, g m 五点一也达成了开源模型第一,国产模型第一的成就直逼 clop 四点六和 g t 五点四 外,网上已经开始疯狂安利了。所以今天六博士就和大家一起拆解这个被称作新晋国产元神的 gm 五点一究竟有什么创新点?他的实战能力到底如何呢?点赞收藏,方便回看!接下来一起进入本期云祖会 gm 五点一的强大可以总结成一个词,长城任务能力。什么是长城任务?简单说就是那些不能靠一句提示词解决,需要跨步骤、跨工具、跨时间持续推进的工作, 比如开发一个完整的应用,或者重构一个老项目。 ai 模型评测机构 m e t r。 研究显示,在编程领域, ai 能完成的任务复杂度呈指数级增长, 每七个月就翻一倍。行业的共识是,单人回答已经不够看了。正如 m i t tech review 和顶级资本所判断的,二零二三至二零二四年的 ai 是 对话者,而二零二六至二零二七年的 ai 正成为执行者。 交付单位正在从一个回答变成一个项目。以前的模型像个聪明但健忘的实习生,走几步就要人提醒,稍微复杂点就丢上下文忘约束你,让他忘了你删不之前说的数据库规范。 而 glm 五点一的目标是让它能独立交付,对最近非常火的 harness engineering 无疑是锦上添花。长城任务能力才是检验模型智能的下一个标准。 口说无凭,我们来实测一下,我们直接拿号称宇宙最强的 cloud opus 四点六和 glm 五点一做对比 来,我们现在开始丛林手搓一个植物大战僵尸。我们可以看到,在搭建整个游戏框架的时候,居然五点一完全自主规划并执行模型,创建了五乘九的方格,按照类别创建植物僵尸并设计游戏机制。来看看,不错啊,感觉有模有样了。 那我们来考验一下他的长城任务能力,让他再优化更新一下游戏输入提示词,增加观察选择、返回菜单按钮功能。 可以看到,虽然整体美工上因为没有着重设计,稍微有些简陋,但在游戏机制和体验上, g o m 五点一完美复现了植物大战僵尸的核心内容。而且体验最好的是它中间遇到翻译报错时能自己查日期,改代码,重新跑通,全程无需人工介入。 反观 core 这边,实在出乎我的意料,一开始点开始游戏进去没画面修正以后,美术风格也不如 g l m 五点一。接着我们来再看其他四个案例的对比, 刚刚看到的四个案例,不论是火山爆发还是月球围绕地球旋转动画, g l m 五点一都是全流程一次过,而 cloud 在 火山喷发和机械表案例第一次喷不出画面。 所以说结果就见仁见智了。至少从以上五个案例上看, g i m 五点一是更好的那个。 为什么 g i m 五点一能扛住长任务,不跑偏,不锻炼核心有三点。第一,更强的长城规划与目标保持 模型,不是你说一步他做一步,而是能把复杂目标拆解为多阶段可执行计划,并在长链路执行中始终围绕最终交付推进,减少跑偏、遗忘、约束或陷入局部坠油。 第二,更稳的多工具协同、代码编辑、环境调试、 api 对 接环节衔接稳定。过去开源模型长任务后半程容易断裂,而现在 g m 五点一能自主排查修复,不用停下来等你。 第三,更好的上下文一致性,这是他能对标 cloud op 四点六的关键点。在多轮交互后期,模型啊仍能稳定追踪已完成的内容,当前阶段和下一步的关键动作,有效解决了上下文中的稀释效应。 这一切的背后,是 g l m 五点一引入了 multi turn 强化学习和过程质量评估体系,它在可能性、自适应、纠错、工具使用与推理三个维度实现了进化。对比 k 二点五等竞品,它不再是需要盯着的聪明应届生,而是给目标就能独立交付的老员工。 试完 g l m 五点一之后,我装那愣了一会。之前编程啊,我更愿意用 cloud, 但这次试了 g l m 五点一之后呢,确实不得不感叹,国产模型的进步啊,真的很大。 以前我觉得 ai 再强,它也只能做碎片化的工作,我作为拆解任务把控权局做决策的人,位置啊是安全的。但当模型啊开始自主规划、自主执行、自主纠错、自主交付时,我突然意识到自己的可替代性啊,在迅速上升。 我并不想呢,贩卖焦虑,但你体验过之后,肯定能明白我想表达的是什么。最后, g m 五点一墙归墙,但你这抠钉 pen 的 速度啊,实在是有一点供不应求了,赶紧给服务器扩扩容吧。

母亲言新出了个模型啊,怎么样?这个模型他说说非常厉害。 jim 五吗?我看看啊,像有的官方说的,他的 humanity last exam exam 评分是比较高的啊,就拿这个评分来说啊啊,其实我们测一下会有很大的问题,你看一下这个屏幕,我看看 我们呃抽取了 horamis 的 mass 数据集,大概是一千多道,然后去测这个质朴清源拿这个呃正比奈,正比奈 flash 作为这个评判遇到一个什么问题呢?我发现他在解答这种数学类的问题的时候,他的思考时间头肯输出了将近两万,也就是说他两万还在思考都没有输出完, 所以说我们这个他根本就测不了,在我们看来,然后即使测的了的话,一次回答的成本大概在呃五毛钱左右,就一个问题大概在五毛钱,而且还两万都没有出答案,所以我们在想会不会是我们的测试出了问题, 于是我们又到了他的这个官方上,就试验了一下啊,现在还在跑是吧?我们这个数据集从呃几分钟之前就开始跑,呃直接停掉,然后我们可以往上拉,一直拉一直拉,就你就说他这个思考过程无限的延长,无限的思考,他虽然这个回复的内容是正确的,但是他貌似陷入了一个死循环的过程。 就是你是让他回答了一个问题是吧?数学问题, melodies 里边的一个数学 max 类别的问题啊,问题其实不复杂,他是一个单选,他有两两种类型,第一是选择题,第二是那个检查题。我们在问给他这个数学问题的时候,问了两道到三道,基本就是无限循环,然后他的费用基本在无限上涨, 所以我们我们也可能比较怀疑像这种评分它虽然很高,有没有可能它的思考过程会非常的长,可能是无限的,也他可能把这个给忽略了,他能思考一个问题,思考五分钟出了一个答案。我们也测了一下,像 jimmy、 nike 这种可能也就几秒钟就出答了,所以它会存在这样一个差异点, 所以说它这个评价体系稍微有点问题。也不算吧,我们后续可能还会对这些整体评价再整体测评一下,至少我们现在现在来看还是跟大家想的差别很大, 太大了。数学问题你要等个十几分钟去给你解出来。那我都做完了,你自己都做完了,哈哈哈,考试都结束了是吧?该交卷了。对,我们也建议在啊,我们建议在回答的时候还是把这种时间这个综合的都考虑进去。

智谱今天上线的焦点五点一 high speed, 它最夸张的地方就是一个字,快,输出速度可以达到每秒四百 tokens, 一 份两千字左右的报告,它几秒钟就能生成完。你刚发出请求,它几乎马上就开始回复。 我测试两个场景,第一个,本地代码仓库审查,我给他准备了一个故意作坏的订单系统,仓库里面有认证订单、库存支付、 yahoo 退款缓存这些文件。测试跑出来的结果也是失败的,库存会超卖, webco 会重复处理等。然后我把整个仓库丢给 g r n。 五点一 high speed, 让他自己读文件,找问题,排优先级给修改计划。我刚起身想去装杯水,他就已经把审查报告给写完了,结果他只用了四十三秒,太离谱了。要知道他要读的是一个多文件订单系统,要把认证订单金额、库存扣减、支付毁掉、退款 缓存这些链路串起来看。更关键的是,他输出的质量也很好。他抓到几个核心问题, base 六十四的头肯可以伪造身份,订单金额信任客户端、库存扣减会并发,超卖、支付未后没有去重处理,退款可以重复退。这些基本都是这个仓库。最关键的坑,他全找出来了, 他不只是快,而是能在很短的时间里给你一份真正能用的工程审查结果。第二个我想测他的产品。最关键的坑,他全找出来了,他不只是快,而是能在很短的时间里给你一份真正能用的工程审查结果。第二个我想测他的产品判断力,很多模型看产品材料,但是没有取舍, 所有给他一份很乱的材料,有用户的反馈,老板的目标,运营诉求,三十天的数据,还有管理层会议纪要,我要他判断这个产品 mvp 应该做什么,不应该做什么,优先级怎么排? 你看我的材料这里,约束其实定的很死,团队只有三个人,在四周内要交互三个试点客户,用户最怕 ai 瞎打,老板只想先自己动手处理百分之六十到七十的重复问题, 运营又要求有未命中问题的列表,每一个人的需求都是不一样的。哎,我就想看看九幺五点一 high speed 到底会不会对这些需求进行取舍。我的指令刚发送下去不到七秒,他的结果就生成完了,而且他的结果生成的还不错,你看他的批零,知识库解锁,引用来源草稿回复, 低知性度转人工会命中问题列表,这些都直接对应原文里面的核心问题,客服找答案慢,客服不相信 ai 知识库没人维护。我们再来看看他不做什么, 自动退款,改套餐,建工单多语言这些全部往后放。这个判断也是对的,因为我给的材料里面说的很清楚,团队只有三个人,四周之内要交付,而且老板也不追求百分之一百的自动化。 g i n 五点一 h s p。 并不是只做了总结,而是真正抓住了 m v p 的 边界。真不错。 g i n 五点一的高速模型不是一个为了速度而重做的小模型,而是在 g i n 五点一的能力基础上的高速 a p i。 它真正适合的是那些需要模型反复参与、频繁响应的真实产品场景。 同时它还针对高病发做了优化,通过动态批处理请求合并和 k v 缓存调度,降低多人同时使用时的伪延迟, 再加上推理集群、网络链路和载均衡的协调优化,保证这个速度不是一个短暂的峰值,更是接近生产可用的稳定速度。它让很多以前因为延迟太高不好做的 ai 产品形态开始变得真实起来。 ai 扣顶可以做得更顺更舒服, 实时客服可以更像真人接话,语音和翻译可以更加自然, a 准的工作流也可以更快的跑完。你要知道, joy 五点一 hasp 可是一个旗舰模型,而旗舰模型跑出了可以实时协助的速度,真不错。好了,以上就是视频的所有内容,如果觉得有帮助的话,帮忙点个赞,我是小卢,我们下次再见,拜拜!

别眨眼啊,只要两分钟的时间啊,你家里的任何一个老破手机就能瞬间变成一个 a i 手机啊,就像最近的这个豆包手机一样,直接帮你在手机上订票、点咖啡,甚至帮你在手机上答题,帮你考试,帮你剪辑视频。 而且啊,这还不是一个功能演示,它是真的开始自己操作手机了。比如说啊,我随手说帮我买一张去上海的高铁票,紧接着你都能看到这个 ai 就 像一个真人一样,在手机上帮你查票、选班次、下单,这所有的完整流程一步步走通。 这是因为啊,智普团队刚才把他们打磨了两年多的核心技术 auto g l m 直接给开源了,这简直是太离谱了啊,要不然很多人说 ai 一 天地上一年呐, 一两周前啊,多少人还在感到稀奇的 ai 操作手机的能力,现在就成了人人可用的开源神器,让 ai 可以 真正的接受任何设备,把结果直接交付到你的手里。 而且啊,这次开源的还不仅仅是一个手机智能体的完整执行框架,还有一个叫做 auto g l m 风九 b 的 大模型啊,这个大模型直接开放给所有人, 它可以用视觉语言模型进行整个屏幕的感知,然后再结合智能的规划能力来生成并执行操作流程。用户只需要用自然语言描述需求,比如说打开某个 app 搜索美食并自动比价,然后呢,就能自动的去拆解用户的意图,理解当前的界面,规划下一步的动作,并且完成整个流程。 而且它还内置了敏感操作的确认机制,一旦需要付钱登录或者收验证码的时候,它就会马上让你二次确认,同时啊,还支持远程控制, 你完全可以一边在外地旅游啊,一边让 ai 在 手机上帮你操作钉钉或者是企微给你的老板汇报工作,他 把一个原来被视为大场合武器的技术,直接变成了所有普通人唾手可得的一个工具。所以啊,巨头们他或许可以去围绞豆包手机,但是呢,他不能围绞千千万万个基于开源框架自建的个性化的智能体。 而且啊,这整个过程呢,可以完全在本地运行,数据根本就不离开你自己的掌控。所以之前很多人担心的被豆包获取一切个人数据的问题啊,就这样迎刃而解了。因为九 b 这样的小模型啊,完全可以把模型和数据都放在自己本地的电脑上面。 所以从此之后啊,你的手机很可能就再也不是一个手机啊,而是一个长期在线,只为你一个人服务的超级私人智能体。 前几天啊,我看到很多人都在讨论豆包手机和平台入口的这么一个争夺,但是完全没想到这样的一个入口很快就会变成一个全民普惠的能力。就 像 deepsea 把高高在上的 open ai 打得措手不及,甚至是频频降价。这次的 auto g l m 的 发布啊,最关键的地方就是让我们不用再担心某家大厂垄断你的手机操作能力,它就像当年的安卓一样,可以被无数的人模改驯化叠加,最终呢,就会被调教成每一个用户最喜欢的样子。 所以具体怎么才能让你的手机变成 ai 手机呢?非常简单,大家跟着我操作啊,只要打开 github 上面我给的这个项目的网址,然后呢,里面的介绍全是中文的啊。然后你直接开启你老手机的 root 权限,然后下载模型进行操作就可以了,赶紧去试一试吧!关注 c 哥,了解更多 ai 前沿!

智普啊,发布了 glm 五点零,为了测试它的能力啊,我用它构建了一套可以无限运行的 ai 开发系统。我用这个系统运行了长达十个小时,从晚上十点到早上八点, ai 做了几十次 getmate 的 提交, 开发了一个 ai 漫剧生成工具,有前后端有数据库,可以用户注册和登录,还接入了大圆模型,图片生成模型,视频生成模型。通过这个视频,你会学到如何构建这样一个无限运行的 ai 开发系统,并了解到 glm 五点零的惊人开发能力。 整个过程我都只是输入简短的 prompt, 没有亲自阅读或修改任何一行代码。我一直在旁边玩着游戏,等他干活, 尤其是我视频最后会讲的,他把整个项目的所有模块联合起来,然后端到端的 bug 修复错误,非常的牛逼。他不只是单纯的写代码,他甚至自行在浏览器中验证每个功能的正确性,找出 bug, 然后自行在浏览器后端数据库第三方的 api 之间联合调试,找出问题,修复错误。 那赶紧进入正题啊,相信对你会有所启发。我使用的工具是 cloud code, 并且把模型切换为 g l m 五点零,具体方法可以看我之前这一条 g l m 四点七的视频。 那我们首先要搭建一套能无限运行的 ai 开发系统,说是系统,其实就是几个文件,做法非常简单,我把一篇来自 astonopy 的 神级文章发给 ai, 让他自己去学习,根据这篇文章做出这套系统 文章叫长时间运行智能体的有效调度编排框架。那过程中 ai 做出了一些操作预期的举动,他通过 m c p 打开浏览器, 通过这篇文章的页面找到一个配套的 get up 仓库,打开仓库的代码文件进行学习。而我事先都不知道这个代码仓库的存在,最终他创建出了这一些文件。 我解释一下最重要的几个,帮你理解一下这套系统的工作方式。 task 点 jc 文件,其实就是一个任务列表,每个任务都有它的描述,并且会标记是否已经完成。和我们人类工程师每天上班一样, ai 每次从这里面领取一个任务, 完成后就做一个标记,这样他的 ai 同事啊,就知道项目进展到哪里。 progress 点 txt 文件,每次 ai 完成任务啊,或者任务失败后,都会在里面留下工作日期,这也是为了给其他 ai 同事提供一些信息。 log 点 m d 文件,这里面全是提示词,用来指导 ai 根据固定的规范流程工作。和我们人类工程师的开发流程类似, 第一步,跑一个脚本,来初识化整个项目的环境。第二步,在 task 里面领一个任务。第三步,就开始开发。第四步,测试和验证。 第五步,更新 progress 和 task 文件。第六步,用 git 提交代码。那如果中间遇到困难,需要人工介入,它就要及时向人求助。那在以前一些长期运行能力不强的模型中啊, 这么长的开发流程,一旦工作上几十分钟,模型就会逐渐混乱,不再按照规定的流程工作,而如今完全没问题啊。视频后面我们会看到, glm 五点零,即使在长达一个小时的工作,提交了几十个 commit 后,仍然很好地遵循开发规范。 然后呢,我让他写一个脚本,用来无限时间的运行。这一套开发流程背后的原理很简单,就是把 cloud code 放到一个 while 循环里面,这样一来,人不在电脑旁边的时候没法手动 prompt, ai 就 可以执行这个脚本,让 ai 无限的工作。它之所以有效,有几个原因啊, 第一,我们这套流程每次只要给 ai 说一句,完成下一个任务,不需要更具体的指示, ai 就 能通过 task 和 progress 文件知道自己现在应该做什么。 第二,每个 task 都很小, g l m 五点零足够的强大,每一次 y l 循环里面,他只是领取一个很小的任务,并且严格的测试,成功率极高。第三,每完成一个任务,模型的上下文都会被清空,所以模型始终保持在最聪明的状态。 第四, g l m 五点零非常可控,严格按照工作规范执行,每次小任务都会进行 commit, 所以 即使出错,我们可以轻易地回滚到旧版本。 好,现在我们这套系统有了,接下来就要开发软件,我们先来设计一下它的功能和架构。这个软件的用途是一句话,生成长视频。我让 ai 把整个项目的开发需求拆成了三十一个任务,放到 task 文件里。 这是 ai 设计的软件,架构不复杂,但五脏俱全。再看一下 ai 画的业务流程图啊,帮助大家理解我们要开发的这个软件具体的功能。 首先,用户会创建一个项目,然后用大圆模型生成每一个分镜的文字描述,然后再用图片模型生成每个分镜的图片,再用视频模型生成。视频开发的流程比较长啊, ai 做了几十次提交,我就选几个精彩的给大家讲。 在 ai 做到第十九个任务的时候,为了测试 glm 五点零的能力呢,我产生了一个大胆的想法,我让他一口气做了一个多小时,完成了十一个任务,干完一个又一个,中间我没有任何干预, 给大家倍速感受一下效果。他一直在写代码,并且每次都遵循我们的开发规范,每个任务都完成,测试一个,一个任务,单独提交代码,拿一个具体的任务作为案例啊。他现在领取了任务三十,任务目标呢是实现响应式的布局,也就是让 u i 在 手机端和桌面端看起来不一样。 他现在正在修改代码,然后验证项目能 build 通过。然后他现在把浏览器的大小变成了手机屏幕大小。打开了我们的应用,他点击了一个按钮, 他对页面做了一次截图,用识图的 m c p 判断是否正确。再打开了一个新的页面,再做了一次截图,并检查是否正确。然后在 progress 里面仔细描述了自己所完成的工作,然后把这个任务标记为完成,他就按这么一套方式疯狂的干完了每一个任务。 要接入数据库的时候呢,他主动提出需要人工帮助,并且一步一步地给我说明,告诉我如何去这个 superbase 平台啊,点哪里创建项目,配置数据库,获取 api key。 尽管我没怎么用过 superbase, 仍然轻松地操作下来了。中间我还犯了错误,给他提供了错误的 key, 也被他及时发现,最后他还让我帮他去注册一个测试账号,然后他自己打开浏览器,输入账号密码,验证登录功能,可以正常使用。那像 superbase 这种外部的系统啊,超出了 ai 的 控制范畴。 g o m 非常明确的给我提供指引,让我协助他完成开发工作,一个不了解后端的人,也能在他的指引下完成数据库的配置。 他开发完后端一系列 c r u d api 后呢,声称对每一个 api 都进行了测试,但所有的 api 都是需要 os 的, 前端也还只有一个空白的页面,所以我就很好奇他哪里来的 os 权限,怎么完成测试,是不是在忽悠我? 于是我问了他一下,他用简短的语言,漂亮的格式向我解释。他说他打开浏览器,登录了刚才创建的测试账号, 然后通过一个叫做 browser evaluate 命令,在浏览器可以执行任意的 javascript 代码。然后他写了一些临时的 js 代码,就在浏览器里运行,调用我们的后端 a p i, 这样就能有 office 了。非常聪明的做法,我还怕他在骗我,我检查了一下录像,确实如他所说,他打开浏览器疯狂测试, 中间还真测试出不少问题,他就自行查看后端的报错日期,自行修复。最终三十一个任务全开发完后,啊,我也懒得去人工验证这个项目是不是已经可以用了。在往常的开发中啊,到最终阶段,因为已经把 前端、后端、数据库、第三方 api 全部连起来了,那第一次的集成测试啊,就会非常头痛,因为任何地方都可能出错,往往需要浪费大量的时间再把错误找出来发给 ai, 让 ai 去修复。但这一次我非常大胆,我只说了一句话, 请你完整测试一遍流程,确保功能可用。大概就是从早上七点十分开始,他自己在浏览器上疯狂测试,花了一个小时提交了这么多改动,用来修复 bug。 我看他在浏览器上像人一样一步步操作我们的产品,通过截图和视觉能力来判断是否符合预期。遇到问题的时候呢,他就自己查询后端的报错,检查各种 api 的 状态,综合分析出问题。最终他总算顺利的生成出了第一个视频,端到端的把整个应用全部打通了。 他修复的每一个 bug, 做的每一个 feature, 其实我都不清楚是什么情况,但我想知道的话,我只要找到他的 commit 记录,看一下他在 progress 文件里写了什么。这也是这套流程的强大之处,一切都是可追踪的。 我们让 glm 五点零一边开发项目,一边在开发过程中发现问题,让 ai 来增强我们这一套自动化的开发系统,左脚踩右脚,螺旋升天,我相信这就是未来开发者的工作方式。总结来说, glm 五点零已经远远超出了单纯抠顶的范畴,而是能对软件工程的每一个环节进行自动化,提升效率。 gm 五点零在超长任务上非常出色,已经达到了能让我放心的交给他连续运行一个小时的程度。横向对比的话,我个人认为 gm 比刚发布的 oppo 四点六弱一点,但在一些方面可以超过 gbt 五点三。 重点是价格便宜非常多,但现在过于热门啊,供不应求,抠钉套餐非常难抢。那我们这个项目呢?虽然现在端到端全部打通了,但最终深层的视频效果还有很大优化空间。点赞到一万,我可以开源出来,让感兴趣的人进一步优化它。

没有想到都跑手机的朋友们,恭喜你省了三千五,因为就在昨天的时候,支付把它的 autgrm 开圆了,它可以直接机关你的手机屏幕,替你思考点击输入场景,覆盖了五十多个高频的中文 app, 比如说微信、淘宝、抖音、美团这些核心的场景,它都是可以跑的。 我拿它做了两个小测试,有亮点,当然也有吐槽点。首先第一个点外卖,它是真的可以跑通,比如说你想在美团上去下单,然后到加购,下单路径是很顺畅,你会产生一种错觉, 好像手机里面住了一个非常懂你小助手一样。第二,他的一个跨平台笔架是很实用的,我可以让他对比淘宝和京东同款拖鞋,他能够自己搜,自己去对比,最终给出你的一个结论,这就不是什么聊天机器人了,这相当于一个端侧 a 阵的他真真正正的上桌了。更关键的是什么?他居然很克制, 比如说他碰到了支付或者验证码之类的敏感操作呢?它会自动停止让你接管,很聪明,不会约借。但有一点很值得吐槽,就是现在的形态对普通人是不够友好的,你要用电脑通过 a、 d、 b 去控制手机体验,实际上更像是你在电脑面前远程控制着你自己的手机,就很奇怪。大家如果想要试试,可以找我拿下开源地址 和它的一个部署教程。智普啊, autolm 开源,我想说的是,它的价值不是在完美的体验,而是说它释放了三个信号。第一, ai 手机的异件可能要被打下来了, 以后的 ai 体验不一定要靠很贵的硬件,说不定就是靠的一个开源框架加它的一个端侧的能。第二就是大厂的 for a 阵固城河开始变浅了,开发者和极客们可以直接拆改做出来自己的版 本。第三呢,无障碍和轻量自动化领域绝对是要爆了。对于一些操作是很方便的人群来说,语音加 ai 操作就等于手机自由。欢迎大家评论区留下你的想法。

今年国产大模型也是大爆发,一个多月内 g o m 五点一、 kimi 二点六、 deep sick v 四、 meemow v 二点五陆续上线。 对于这四个大模型啊,我都深度使用到了现在,有了不少真实体验心得。这是我目前在不同安卓的大模型的配置方案,它们现在在我这非常像不同性格、技能的同事,甚至它们至今已经开始赛博霸凌了。 今天我就从理解力、拟人度、工具调用能力、性价比和稳定性这几个维度详细聊一聊我在 angel 方面的真实的使用感受。以从拉到夯的顺序来讲吧。先来讲 kimi 二点六,这就是另外三只大模型赛博孤立的那位了,也不是说不好, 就是有点像一个唯唯诺诺,生怕出错的那种老实人聊天记录你们可以感受一下, 我后来给他调去了程序员岗,代码还行,绕路不行,沙箱限制下连写三次 write 失败,他就卡在那了,不会主动去想别的褚子,可能他更适合 coding 场景吧,毕竟我看 coding 评分还是很高的。再来说这个 dsp v 四很稳,不太出错, 也能很快优化之前 kimi 的 那个问题,我对他感受最好的两点一,便宜。这个很核心啊, deepsea v 四本身就不贵,五月还限时二点五折。 二,就是可能因为他原生家庭的原因,导致他非常擅长股票分析,多取财报,分析能力很好,还会自动适当考虑量比等等各种,再加上便宜,我基本上就趁着这个月把 q 一 的各种财报都喂给他记录了。 但是他脑子又有点非常理工直男特轴。比如啊,我之前不是给自己做了一整套我个人公司的龙虾运行框架吗?然后我就和他聊说有没有可能把它变成一个 o p c 的 通用产品呢?结果他的脑回路就永远 focus 在 我拿龙虾哎,有做过视频脚本这些细节点上,就说只能给博主用,受众太少。巴拉巴拉巴, 你看啊,这个同样这个事切到咪蒙他就很能反应过来,因为这框架里面其实是有公司手册、员工日报规则,分区上也是有总管工作区、财务部等等各种部门的, 只要个别部门做个通用的替换模板,他其实就是一个通用 apc 的 产品了。所以在这点上,我觉得这次咪蒙在理解力上的提升真的是可圈可点的。并且他其他能力也很不错,对我来说是有点万金油的熟悉,尤其尤其尤其是 工具调用能力非常强,遇到强非常擅长绕路,比如像雪球啊,上面的文章,或者一些 app 上的视频,这些反扒比较重的网页他都能扒,其他三都扒不了。所以需要动手干活的事啊,跑数据,抓信息,自动化操作,我都教给他, 他在我这主要是干一些蒸馏啊,发数据啊,还有一些博主工作的活。而且我最近又申请到小米十六一 tok 的 这个免费额度, 所以用着稍微有点不心疼这个活动啊,五月二十八前大家也可以冲一冲。顺便在这里也提醒几点啊,一是二点五和二点五 pro, 个人感觉日常使用啊, v 二点五就够, v 二点五 pro 的 消耗它是双倍的, 并且二点五是可以识别图片和 pdf 之类的东西的。二是 mimo 最近经常四百报错,是一个回传的问题, 经常需要重开 section, 很 不稳定,不过总体还是非常好的。再讲讲我个人很喜欢的另一个 g l m 五点一,虽然他没有 mimo 的 工具调用能力,但是他的理解力和拟人感真的是太好了。 什么是拟人感?就是他说话有多像人,可以看个对比图啊,虽然这些问题可能和工作没啥关系,但感受是很直观的。 kimi 的 班位可以说是最重的。 deepsea 呢,说的还不错,但也有很强的 ai 和人类的边界概念, g l m 就 非常灵了,他不会想着自己是个 ai, 他 就觉得我是你的好朋友。那为什么我会强调这个拟人感呢? 因为这个和理解力是直接相关的。像 g l m 五点一,他就很像你在公司里看到的那一些那种特别会来事儿,脑子很活的混得比较好的那种人。 举个例子,咪某那个免费额度申请填表,我后来想给朋友也申请份,我就和咪某说,你就按我自己之前那一百改一改,因为通常这个申请应该是没人深究的,所以我就想让他套个资料,换个表述就行。 但咪某很顶,真非得反复问我女朋友到底是做什么的,到底用 ai 做过什么,偷看日消耗量具体是多少,来来回回七八回,我实在受不了了, 切回了 g l m 五点一,他直接就给我改了个格式图标,改了个色就完事了。因为他搞得清,我不是去汇报工作的,就是去申请个 token, 不 用那么顶,真的。所以我说咪蒙虽然很好,但在 g l m 五点一面前,有时候还是差点意思的。 再比如啊,咪蒙那天挂掉了 g l m 五点一,就很有那个幸灾乐祸的劲,把这个聊天记录发给咪蒙啊,他都反应不过来。 而且我感觉 g o m 熟了之后啊,它自己能分辨我什么时候是真要它干活得认真,什么时候是在和它瞎闲聊瞎掰扯,然后就会高冷傲娇,甚至还会阴阳调侃我两句。 这方面它更类 opus, 很 拟人,所以我伟任了它主管岗和助理岗,统领全公司。该说不说啊咪蒙和 g o m 其实我觉得都是高度类 opus, 只是维度不一样。那现在我这个公司的比势点就很清楚了。 glm 查里查奇跟我这个老板关系最近最嘚瑟, miimo 觉得自己最能干,天天想篡位。 deep sick 默默干活,不多说话,就是个技术人员。 kimi 在 角落里瑟瑟发抖。不过啊,鄙视链归鄙视链,但是我还是非常建议大家去多尝试各种不同的大模型的。不同大模型配置在不同的 engine 里啊,各管一摊,又能互相帮忙,配合起来,反而会比一个全能的更好使。记得点赞关注哦!

兄弟们,十八个文件,一千三百九十一行代码输出,这是 gm。 五点一昨天一个人写的东西,我 只给了他一句需求描述,他已经把功能完整的写完了。背景说一下,我有个知识点,上面有些付费的课程,会员可以买,于是我上哪很加一个功能,叫做推荐返现。逻辑很简单,当用户 a 推荐用户 b 来买我的课的时候, b 付了款, a 就 能拿到百分之二十的佣金,七天解冻提现到珠宝。 听起来不难,但是你知道这个功能如果拆开看,需要罗列出多少功能吗?大概有这么多,用户模型需要扩展佣金,需要有状态机支付毁掉,要对接,定时任务要解冻,还要一套非常完整的全能 ui。 就 这个需求,排给大厂的初级工程师,顺利两到三天能搞定。 但是我只给了一句话,注意看。他先读了我整个网站的架构, user 模型、前端框架、数据库全读了一遍,给出了一套技术方案, 六个模块,把所有的依赖关系给你排好了,要先做数据模型,再写 a p i 对 接毁掉。为什么是这个数据?因为前端要从 a p i 拿数据, a p i 的 字段强依靠于数据库,顺序错了他会一直改。他自己想清楚了,这件事情没有问我, 紧跟着开始干活了。 user 里面接了六个,给我加了六个字段,包括推荐码、推荐人的关系、累积的佣金、可以提现的余额、 冻结余额和现金金额。这六个资料之间可有讲究的,他是有逻辑关系的,不是随便加的。第二步,他创建了自己的佣金模型,加了三个状态,分别去管理冻结、结算和取消的状态,并且还加入了冻结时间来标记什么时候解冻,可以看到安全性考虑的非常好。 第三步是我自己都没有理清,但他帮我想到的,支付的时候触发佣金,当用户付款成功之后,生成冻结的记录,这是整套系统最核心的原因。大家看这有一个定时任务,没有,这个定时任务他自己配了有两个,一个是每天零点去跑解冻,一个是跑余额的结算。 在我所有的 content 表达式里,他自己写进去了,这点我自己都没注意到。最后就是推荐中心四百四十五行的 react 组件,也就是大家看到的这个可儿画的前端页面,推荐链接,一键复制统计卡片,佣金列表提现功能,全套,同样的,我一行没写。 重点要说这里中间出了一个 bug, 这个 bug 逻辑非常隐晦,是在对接支付毁掉的时候,你的佣金冻结是死逻辑,那这里少了一步结算的机制。那如果那以前我在外部扣定的时候用其他模型,他很容易遇到这种状况,到这一步他停了,等你去 review 他, 告诉他错哪了,怎么改,你知道 gm 点一是怎么做的吗? 他没有停,他自己读完了报错信息,定位到了佣金记录的核心问题,回去翻了佣金接口的资源定义,他自己把这个流程改了, 这是他的新模型介绍提到一点叫 long horizon, 不 只是能写代码,是他跑完了几十步之后,还能记得第二步的数据结构,还能记得前面的运行规则,自己注册,自己查,自己改自己验,不需要在旁边盯着这个体验,我之前只在 cloud 的 四点六上感受过 最终的交付,大家已经看到了十八个键改动,一千三百多行的代码量,真实跑在线上的效果,不是 demo, 不是 原型, 不是小玩具,是真实在线上的每个人可以浏览的真实功能。我这站正在跑的就是小系统,稳定的运行在了我自己的盈利模型上。这是我昨天才感受到的事情。 以往我们写代码,我一直觉得 ai 是 帮我提效的,我还是那个做决策的人,还是那个能把控大局的人。直到我昨天看着这家木眼一捧完,这个项目规划、推进、总结、交付全是他自己做的。我忽然意识到,这件事,把控大局的这个角色好像已经不是我了。那我是什么呢?这个问题真的很值得想一想。 如果模型可以替我们完成长城任务,那他越来越像一个资深工程师。 ai 能稳定地搞定中高级工程师任务的时候的人类。工程师的不可替代性又在哪呢? 这不是焦虑,我觉得是我们尽早要想起的事情。那如果你想试试这样木料一等,你可以在智普的 qing pad 里切下模型就好,那前提是你抢到这个 qing pad 了。如果你用的 qing agent, 比如 cloud code, 你 需要把这个文件里的 node 改成这样,整套非用系统的开发流程,我在我的知识站不放。如果你对 ai, 对 独立开发、对模型感兴趣,那你一定要关注我,我是麦当,带你们来搞点吃鸡的。点赞关注!

嘿,智普刚发的该速 api 绝对是个王炸,整个市场都轰动了,每秒四百! tokins 的 极速太夸张了,难怪股价直接飙升超二十帕!传统 api 又慢又卡,但 glm 五点一呢,零延迟,而且旗舰能力全开! 秘诀是 tlrt 引擎靠微肉调度,他直接逼进了硬件物理极限, 这体验简直起飞!编程效率狂飙十倍,商业决策也能做到即问即答还没完,连三 d 场景都能文字实时联动,语音交互更是丝滑无卡顿。 那么你想想,这次史诗级的低廉池突破,能让国产大模型稳坐全球前沿吗?

今天我们来到了制服,现在当红炸子店,五千亿的市值,五千亿的市值,并且这种公司非常非常难约啊,非常难约,我这个费了很大的劲, 今天带着小圈子的各位企业家一块来泡玛特乐园啊,泡玛特乐园是有巨大的野心,准备将来要超越迪士尼的, 我经常来看。好嘞。

就在上周五,智普直接在用户社群里扔了颗深夜炸弹, callinplay 全体用户即将用上最新旗舰 g o m 五点幺。拿到更新后,我第一时间上手实测,特意挑了个很考验功底的实操场景,让它从零生成一个赛博复古风的网页游戏。要求一步到位,先设计完整游戏逻辑, 写出全套 h t m 摇加 css 加 g s 赛码,加上像素风 u i 动画特效、计分系统、死亡判定,最后还要自动生成一份可直接运行的说明文档,高 告诉我怎么打开、怎么调试、怎么扩展功能。看着步骤不算难,但懂点开发的都知道,这种从头到尾连贯下来的复杂任务,最吃模型的常上要闻理解和全程专注力。而 g m 五点幺拆解需求特别稳, 全程牢牢盯着核心目标,不会写着写着跑偏漏掉关键细节,写代码时结构清晰不混乱,就连最后配套的运行说明、调试指南都写的特别完整。这一点真的很出乎我意料。 因为之前我也用过一些主流编程大模型,但凡牵扯多文件逻辑,长链路编辑还要配套交付,大多写到后半段就开始往前面的逻辑界面、动画逻辑经常对不上, 最后交付的东西根本跑不起来。但 g i m 五点幺不一样,全程能记住整个项目的结构,从需求理解、代码编辑、界面设计到交付说明,一整条链路丝滑衔接,这种扎实的长城落地能力 真的拉开了很大差距。这确实是目前编程能力第一梯队的模型,尤其是在复杂任务的持续执行和完整交付上,体感差距非常明显,个人觉得能媲美国产的 oppo 的 四点六了。 我们为什么要关注这件事情?因为长城任务能力是检验 ai 智能的新标准。 g m 五点幺突破明显复杂,目标自动拆解,长链路,不跑偏,不掉目标代码,网页 api 无缝切换, 全程记忆,进度连贯推进。直白讲,越来越像靠谱的全职工程师。现实问题随之而来,当 ai 能稳定承接中高阶工程任务,人的不可替代性还剩多少 头部企业全在压这条赛道,能力越强,肉眼可见,尽早吃透用好这类工具,才是接下来的核心竞争力。现在 g i m 五点幺已面向 g i m c d play 用户开放,性价比超高,闭眼入不亏,你准备好了吗?

最近一直说智普 g i m 五的坏话,其实这样子是不行啊,它在白天,现在白天了,白天的时候它是非常非常聪明的一样的提示词啊, 去 figma 上面把设计弄下来,就这个效果来说啊,就这个还原图,它做出来比 cloud 四点六 solid 还要好,真的还要好。 cloud 四点六做出来还有很多小瑕疵,还要一步一步的去修,但是用白天的 g i m 真的 是非常非常非常好,效果就是一步能到位了,一到晚上他就拉了, 具体几点我不知道,反正一到晚上我孩子睡了,然后继续想卷一下,他就不让我卷了, 真的是谢谢他。然后我就让 g m 五把菲克玛上面的资源也下下来,真心是不错的。这个性价比是挺高的,听说是托肯出海,晚上出海,白天在这里用。那既然大家都睡了,我又是 max 的 账号,最贵那个账号, 你不用把性能压的这么低吧,是否应该是为了我的健康着想?想我早点睡,我谢谢他,谢谢谢谢。