我在真实生产任务上测试了GLM-5.3、DeepSeek V4 Pro/Flash和Gemini 3.7 Flash。

与网上看到的一次性演示不同，这种测试展示了模型在真实任务中实际表现如何：它遵循指令、尊重约束并保持专注的能力。GLM-5.3是一个良好且相当有能力的模型。其最大限制是缺乏多模态能力。在长时间运行的任务中，它有时会忘记部分指令，并不总是尊重所有约束。总体而言，它是低到中等复杂度任务的可靠选择。与Claude模型不同，它可以处理网络安全相关任务。但是——这一点很重要——平均而言，对于常规任务，它的表现并不比DeepSeek V4 Flash更好，而且生成速度也更慢。所以，个人认为，我主要将其保留用于安全审查和网络安全相关工作。DeepSeek V4 Pro是最大的失望。我不会说它比DeepSeek V4 Flash聪明得多。它倾向于忽略约束，并且经常开始做一些没人要求的事情。此外，它比Flash版本更贵。我不推荐它。DeepSeek V4 Flash速度极快，能力足够，而且非常便宜。在实际工作中，它并不明显弱于GLM-5.3或DeepSeek V4 Pro。你可以自信地将已分解的低到中等复杂度任务委托给它。Gemini 3.7 Flash也在同一时间左右发布。它更贵，而且我不觉得它比DeepSeek V4 Flash更聪明。使用它的主要原因是其多模态能力。也就是说，这些模型都不适合作为大型复杂任务的主要协调器。在这一角色上，Kimi K3对我来说仍然是领导者。它遵循指令、尊重约束、不忘记将工作委派给子代理，并且通常与原始计划保持一致。我目前的推荐是：Kimi K3 — 主要代理/协调器；DeepSeek V4 Flash — 工作主力；将已分解的任务交给它并监督执行；GLM-5.3 — 网络安全和安全审查任务；GPT-5.6-Luna / Gemini 3.7 Flash — 视觉分析。有了这样的组合，你可以从开始到结束处理真实世界任务，同时保持性能和成本的控制。