glm做代码的执行和逻辑分析是更强的，但是明显更慢，ds是非常快，做一下探索性任务和轻度任务比较合适

企业有自己的招聘要求很正常，但是不能第一时间就卡吗？非要等到双方付出5轮时间精力吗？

大概两三层楼那么高吧

我觉得是deepseek，首先它的infra中外独一档，独断万古，其次它的理论创新，结构创新，也确实让glm,kimi受益，唯二遗憾，一是卡不足，导致大规模研究探索很难做，二是后训练可能赶不上后训练仙人glm

emmm,我建议是一套文件系统的读（rg,read,glob）+gitlab拉取仓库源码的能力，然后需求管理侧提供接口拉取需求的信息，包含文档即可。随便一套runtime加这套工具链就可以。稍微扩展一点，就是接一下关联的数据库

我觉得也就是发现模型现在很多开源的追上来了，没有稀缺性了，炒不起来了，整点新活，但是没有用的，你没有工业产业链，做实验室玩具而已，就是哄抬市值罢了

glm5.3写后端逻辑，kimi做前端，或者全包给glm，glm-flash或deepseek-flash-version做普通任务开发。gpt仅负责审查代码，找bug。然后harness推荐 omp dsh pi zcode(有150额度)，或者你任务简单直接走deepseek-flash-version就行了

如果你，换一个harness,不要用gpt模型，你就不会这样，它是防御性编程的高手，为的不是完成任务，为的是造屎山，你是他防御的第一环，每次提问他都能给你整出p0

这个问题两年前就已经是都知道的了吧，就是模型是没有自我意识自己是什么模型的，哪怕claude也会说自己是ds是qwen

各家模型其实是有很明显的个性的，gpt的模型非常在意逻辑的严密性，在编程上，它会写大量的防御性垃圾代码，但是它如果用于审查和做事实核查是不错的，做调研也很强。然后claude有很强的自主性，会给意想不到的好办法，干净利落，但是可能漏掉一些细节或者带来问题。而国模的话ds我个人的体感风格是偏claude系的，整体可以做为下位替代，建议配合sol，kimi给它上层把关