深有同感，现在的能力能不能打过glm5.3flash都是个问题，常用技术栈做的UI都改不明白 ^-^，Astra你快来吧

刚刚在qoder里面用3.8flash要排队四分钟 ^-^，订阅用户一样排队的只见过这一家

QWEN 3.8 FLASH很舒适，可以用，但是自己部署的比较爽，官方的几个渠道都不太行，贵和卡都沾一点

5.6Sol 不也是这样。先是安全评估又是通过商务部审核又是先给企业开放 现在 A\反而学乖了，A\倒是不提前炒作直接发 fable5.1

没必要贷款赢，实际体验和跑分还是有区别的。 即使这图这里看起来 sol max token 效率也不低，真写代码做实验就开始checksum，sha256 ，硬编码全给你上一遍。真实场景里面，sol high 照样雷霆大思考，也就 codex 把思考工具给你缝一起看不出来罢了 想想为什么 opus 明明跑分榜单里输出更多的 tokens，但是实际体验大家都觉得 gpt 慢，claude 快？

这咋测的，k3 699 才 7 亿？周额度都不止吧？

 秦始皇骑北极熊，这个熊有点恐怖了 ^-^（什么大秦四足自走机器人）

GLM 怎么产能这么高，牛来还没过多久又掏出来一个 ^-^

 重点是上游不能抽风，本地客户端都差不多，顶多是工具调用轮次的区别。轮次越多总体缓存命中率就越高。另外上下文长度开的长，每次新写的 tokens 和写入缓存之比就低，每次缓存命中率就高，导

反而是越来越重要，模型越聪明就越需要约束

deepseek上一次主动汇报数学能力还是在v3.2吧

这有很多需要讨论的，也和模型行为有关 - 比如我用100-200k的上下文完成一个小需求就切新对话，此时大概总token小号在5-6M，命中率可能90%左右，但是总token量少，所以计价便宜 - 假设已经使用100k上下文，A模型倾向于串行调用工具，5个工具连续调用，每次都会读取100k+工具结果的缓存token。B模型倾向于并行工具调用，5个工具同时执行只接受一次结果，总共就100k的缓存to

 AI一眼就能看出来这些情节对应的作品，信息给的很足了。可以找一个有思维链的模型，看看思维链里是如何看待F的

最近用k3讨论方案，感觉k3是最顺眼的。5.6 Sol 太喜欢分点和赘述，opus5 的不符合中文习惯的词用的很多

应该是部署和权重出问题了，这种一般先让别的AI排查下部署的参数吧，大概率不是模型本身的问题

 到了17已经完全按不过来了 ^-^

涨价了就不支持了，转投codex ^-^

Sonnet5就是区，跑分和glm5.2缠斗。并且雷霆大思考 Opus5大概率能做到花更少的额度消耗完成sonnet5的任务

模型认知没啥意义吧，但是其他的都是很实锤的论点

112k就用完了也太变态了，基本属于不可用状态

^-^继续灰测，我倒要看看DeepSeek多久能拿出来灰测水平的模型，现在的旗舰还在这和27B小模型扭打呢

^-^不跳票就好了，不跳票那简直近在眼前

Qwen3.8 MAX 用上的人太少了，很难评价。但Qwen3.8 27B 挺好用的 ^-^

muse spark 1.2 这么拉吗，看AA上的跑分还以为挺厉害

这么强的吗？差点把Pro都干掉了

不给grok爆米也得给gpt、claude爆米，一个月折下来600还是很值的。而且可以拼车降低成本

几个月前我用Trae用佬友写的byok用的GPT，上下文干一半都没开始动手。同样的prompt给codex分分钟干完了，Trae本身问题也蛮大的

我的GPT怎么和你不一样，也是写一堆测试脚本，还喜欢跑模型前编造一堆我没说过的数值gate，一没通过就说“这条道路封死了”。拉的这些脚本还会污染后续接手的其他模型，让他们模仿写gate脚本恶心人

openrouter直接用api就是，价格和以前api用v4pro差不多

全面暴打fable5，感觉不如信我是秦始皇 我说想要多少分自己填 ^-^