|
昨晚，智谱 AI 突然发布了 GLM-4.5，号称"全球第二、国产第一、开源第一"。 看到这个宣传，我内心是激动的——又一个国内的黑马模型要出现了？ 于是我第一时间测试，想看看这个"国产之光"到底有多强。 结果...让我有点失望。 跑分很美好，现实很骨感先说说官方的跑分数据，确实很亮眼： 看起来很厉害对吧？355B 参数，32B 激活参数，MoE 架构，128K 上下文... 但是，跑分和实际使用完全是两回事。 PPT 生成：从惊艳到平庸智谱之前的实验模型做 PPT 确实很强，我对 4.5 抱有很高期待。 结果第一个测试： 嗯，结果怎么说呢？我个人认为比原来平庸了。 生成的 PPT 千篇一律都是"图左文右"的布局，毫无创意可言。 而且在测试过程中频繁遇到限速错误，不知道是访问人数过多导致的模型降级，还是服务器扛不住压力。 对比一下之前模型生成的效果： 感觉差距有点明显。 Claude Code 集成：配置简单，体验糟糕既然官方说 GLM-4.5 在编程方面表现优秀，我决定在 Claude Code 中测试一下。 配置过程确实很简单，首先去控制台申请 API Key： https://z.ai/manage-apikey/apikey-list 然后设置以下的环境变量： export ANTHROPIC_BASE_URL=https://api.z.ai/api/anthropic
export ANTHROPIC_AUTH_TOKEN={YOUR_API_KEY}
输入 claude 指令进入，确保环境变量被加载到了： 配置完成后，我使用Cursor 不让用了？我花 3 天测试 4 个平替工具（附详细测评）这篇文章的同款提示词来实测一下： @ai-daily-generator
帮我换一个数据源：https://news.aibase.com/zh/news
你可以用playwright去看看它的页面结构和翻页接口
编程实测：智商堪忧的表现刚开始运行的时候，我还觉得挺好的，一切正常，包括调用 playwright MCP 都比较好： 然而，后面的处理越来越不对劲，我感觉在浪费 token 了。 第一个问题：变量未替换的低级错误 这种基础的变量替换都能出错，让我对模型的代码理解能力产生了质疑。 第二个问题：API 调试来回折腾 第三个问题：测试环节反复纠结 我真的感觉到它来回折腾，浪费大量 token。 第四个问题：虚假的"修复完成" 超时几次后，它直接告诉我修复完了，但实际上问题根本没解决。 然后，我让它自己发现问题，它折腾了好久，最后告诉我，有可能是调试代码导致的。 我：？？？ 最终结果：直接降级方案 直接给我把方案降级了，连基本功能都不实现了。 于是，我默默地关掉了它。 跑分与实测的巨大鸿沟这能跟 claude 比？我觉得跟 K2 都差了十万八千里！ 官方还专门做了"Real-World Evaluation"，在 52 个编程任务上与 Claude 4 Sonnet、Kimi-K2 对比，声称"largely comparable experience"。 但我的实测体验告诉我：差距不是一点半点。 浪费我一早上的时间。 我必须说几句扎心的话： 国产 AI 确实在进步，这点我承认。但是，进步不等于可以吹牛。 看了几个公众号，看得我热血沸腾。 但用了一上午，我只想说：醒醒吧！ 当然，我不知道是不是评测的时候人太多了，导致它模型降级了还是什么。 | 
