自建 Agent 实测:GLM-5.2 综合最佳,DeepSeek Flash 性价比极高
codes_astro · reddit · 2026-08-14
一位开发者使用 Pydantic Agent 框架自建了智能体测试环境，对近期发布的多款开源/开权模型（如 GLM-5.2、Kimi-K3、MiniMax M3、DeepSeek V4 等）进行了真实的编程任务测试。
测试采用“构建→审查→修复”的循环机制，不使用外部裁判模型，主要考察最终可用性、Token 消耗、成本和修复次数。结果显示：
- GLM-5.2：综合质量最佳，9次运行仅需1次修复，UI和首遍准确率表现优异。
- MiniMax M3：速度与成本的最佳选择，输出可用但 UI 略逊一筹。
- DeepSeek V4 Flash：性价比黑马，成本极低且在代码逻辑和可用性上超越了 V4 Pro。
- Kimi-K3：尽管公开跑分很高，但在该测试框架中表现不佳，需要大量修复。
核心结论是：公开 Benchmark 分数无法完全预测模型在真实智能体工作流中的表现，实际产出比跑分更重要。
「编程与Agent」频道最新
- OpenAI 研究员晒 Codex 输出配"太长不看"梗图，开发者集体会心 — alejandroll10 · 2026-10-16
- Sakana AI 推出 Agentic Scientist:用编码智能体自动化科学发现 — hardmaru · 2026-10-16
- 一个末尾句点绕过防护:VS Copilot 漏洞可致远程代码执行 — wunderwuzzi23 · 2026-10-16
- Celestine MCP 服务器让 AI 帮你算本命盘和行运 — modelcontextprotocol · 2026-10-16
- ProfitPlay MCP Server 让 AI Agent 自动交易加密与股票预测盘 — modelcontextprotocol · 2026-10-16
- Google 推荐用 Polyhaven 素材库帮 Agent 搭建逼真 3D 场景 — jason_mayes · 2026-10-16