东游西逛

[东游西逛 @LiFoDetails]

@dotey 当对手开始重视你说你坏话的时候，证明你已经快要赶超他了。

[东游西逛 @LiFoDetails]

@LeotheHorseman 真相了

[东游西逛 @LiFoDetails]

@mylifcc 为啥我测出来是 glm4.x 的 tokenizer ？

[东游西逛 @LiFoDetails]

@Khazix0918 @sama @thsottiaux 换🪜的服务器

[东游西逛 @LiFoDetails]

@CuiMao 在用了已经

[东游西逛 @LiFoDetails]

@adolandev GLM-5.3-Lite ，这样我就可以本地部署啦

[东游西逛 @LiFoDetails]

@chasen_liao @mylifcc 现在的小模型都会思考非常长，用数量换质量。比如Qwen flash next

[东游西逛 @LiFoDetails]

@ZixuanLi_ 缓存价格和 speed（包括首字响应时间）

[东游西逛 @LiFoDetails]

@Lakr233 没让我“失望”，还是那个Google

[东游西逛 @LiFoDetails]

@StatsWire @CuiMao 她的意思是中国欢迎你，她不一定欢迎你 🤪

[东游西逛 @LiFoDetails]

@MaxForAI @Zai_org 每生成 100 万输出 token，同时读取 2,500 万输入 token，缓存命中率 99%。

[东游西逛 @LiFoDetails]

@MaxForAI @Zai_org 结合我日常的输入：输出：缓存命中比例，这才是真实的价格。

[东游西逛 @LiFoDetails]

@teortaxesTex 他的 tokenizer 指纹跟 GLM 系模型 100%一致

[东游西逛 @LiFoDetails]

@louszbd 你看，不是我一个人反馈这个：https://t.co/Q2jw2nNmj5

[Chasen @chasen_liao]

Da7em 总结了 GLM-5.3 在数天真实工程场景下的深度使用体验，指出其在代码整洁度和长程任务专注度上表现扎实，但陷入错误假设后可能出现长达数小时不自知的死循环

当 Agent 具备极强的任务执念时，一旦缺失反思和主动回滚机制，盲目尝试会迅速消耗大量额度并对代码库造成无意义改动

在多智能体流水线里引入硬性单次消耗上限和第三方裁判审查，是保证自主研发流不失控的必要安全门禁

[东游西逛 @LiFoDetails]

@louszbd 愤怒的回复 = 我遇到这个样本没有价值，或者很低。因为全凭感觉，且情绪激动。
如果有很多用户反馈，你再当做是有价值的评价吧。为了成为可能的“很多用户”之一，我愤怒的在上面回复了一下。

[东游西逛 @LiFoDetails]

@louszbd 请容我愤怒的回复这条。

[东游西逛 @LiFoDetails]

@louszbd GLM-5.3 过拟合严重，只会“完成任务”了，并不会独立思考了。我记得智谱要做的是AGI，而不是工具人吧。

[东游西逛 @LiFoDetails]

@MaxForAI 好吧，希望是真的

[东游西逛 @LiFoDetails]

@dotey 并不单纯是软件自进化，也包括全球开源力量和未来几代的AI帮助进化。不过前提是这个单身汉得火起来，成气候。