NASA 八大行星档案：宇宙的空旷
GLM-5.3-Flash
这份来自 NASA/JPL 的深空档案，以 20 张黑白图版重新梳理了太阳系八大行星的奥秘。从水星极端的昼夜温差到金星失控的温室效应，再到地球独特的生物圈，每一份数据都精准标注了轨道参数与探测历史。档案特别强调了太阳系令人窒息的空旷感：以 AU 为单位的对数尺度下，行星间的距离远超想象。文中还记录了从 Mariner 10 到 BepiColombo 等关键探测任务，展现了人类探索从飞掠到环绕的历程。这不仅是一份技术文档，更是一次对宇宙尺度的深刻凝视。
距离按实际比例，大小未按比例——这就是宇宙真正的空旷。
HN 评论区
554- guybedo
虽然起初我觉得本地运行这类模型在经济上说不通，但我还是算了一笔账：对于重度用户来说，花 1 万美元买硬件，几个月内就能回本，最多不到一年。
我看了看自己的 token 用量，主要来自 subsidized 的 Codex/Grok 订阅，算个中等偏重用户。问题是，要不是有每周配额限制，我实际用量还会更高。
总之，投入 1 万美元运行这类模型，假设因为没了周配额限制用量翻倍，再对比 GLM API 的价格，这东西不到一年就能回本。
当然，我现在付的是订阅费，所以账算不过来。不过用本地 AI 就能彻底摆脱周配额限制。保留订阅是为了访问前沿模型做规划工作，本地硬件加上 GLM-5.3 Flash 则负责实现、端到端测试和 QA 工作，全天候 24/7 待命。
这想法其实没那么疯狂，算出来的账也不算差。
- mmastrac
HF 上的权重在这里：https://huggingface.co/zai-org/GLM-5.3-Flash
我决定一咬牙入手了四块 Spark 芯片，价格还算不错（顺便从 AliExpress 买了 QSFP 线缆，价格 literally 只有亚马逊的一半），哪怕明知 Apple 要发新硬件，而且 Spark 2 可能也在路上了。看起来这配置挺适合我的需求。我之前试过双节点的 DS4，在某些任务上表现确实 _不错_，但一旦触及推理能力的极限，它就真的开始原地打转了。
我可以把琐碎的基础任务交给双 Spark 的 DS4 处理，但我在一些创新工作上推得比较狠，它一旦超过某个复杂度阈值，就完全没法独立运行了。
我很想看到 Opus-4.8 级别的本地模型，但说实话我还没做到。目前试过的模型 _确实_ 不错，但无论用什么 harness、prompt 或其他技巧，它们都无法解决高难度的技术挑战。
- bertili
这速度也太快了！能在 Hacker News 见证这个时代真是赶巧了：
7 月 16 日：“Kimi K3 时刻”——中国已经追上 Opus 了！
4 周后：GLM 5.3——性能持平，但参数量和成本直接砍到三分之一！
12 天后：GLM 5.3 Flash——几乎达到 GLM 5.3 的性能，参数量减半，价格降到五分之一，而且跑在中国芯片上！
- mrngld
中国实验室太习惯操纵基准测试来粉饰 inferior 的模型了，所以当它们终于拿出一个真正不错的模型时，我觉得这次的官方公告反而有点轻描淡写了。
这数据相当扎实。比 Luna xhigh 更聪明且更便宜，虽然不如 Luna max 聪明但价格更低。完爆 DeepSeek v4 flash，更糟糕的是，它甚至以极低的成本匹配了 v4 pro 的表现。大致相当于 Sol medium，但成本只是零头。
他们本该直接展示真实、最新的数据，因为东西确实好，而不是用那些老掉牙的套路，比如在很多图表里拿 Opus 4.8 做对比，明明 5.0 都出来了。
恭喜他们！
- matheusmoreira
你们读过 Z.ai 的服务条款了吗？
对输入和输出拥有广泛且永久的许可，甚至包括你的名字和头像。
对任何可能损害 Z.ai“利益”甚至任何国家“国家利益”的行为都有模糊的禁止条款。
对“扰乱”或“不适当”内容（不管那是什么）有模糊的禁止条款。
甚至禁止讨论 Z.ai，连我发这条评论本身都违反了条款。
如果 Z.ai 凭其“唯一且绝对的判断”认为你违反了这些宽泛的条款，他们就可以封禁你；如果你买了打折的年费计划，那钱就拜拜了。
- bel8
如果你在用 opencode 的 go $10/月套餐，并且想现在就在 pi 上使用 GLM-5.3-flash，在 pi 更新支持之前，你可以把这段加到 models.json 里：
{
"providers": {
"opencode-go": {
"models": [
{
"id": "glm-5.3-flash",
"name": "GLM-5.3 Flash",
"api": "openai-completions",
"baseUrl": "https://opencode.ai/zen/go/v1",
"reasoning": true,
"input": ["text", "image"],
"cost": {
"input": 0.15,
"output": 0.5,
"cacheRead": 0.03,
"cacheWrite": 0
},
"compat": {
"supportsStore": false,
"supportsDeveloperRole": false,
"maxTokensField": "max_tokens"
},
"contextWindow": 1000000,
"maxTokens": 131072,
"thinkingLevelMap": {
"off": null,
"minimal": null,
"low": "low",
"medium": null,
"high": "high",
"xhigh": null,
"max": "max"
}
}
]
}
}
}
- dzonga
> 发布前，我们在 OpenCode 和 OpenRouter 上以 ox-alpha 的名义匿名测试了 GLM-5.3-Flash 以收集用户反馈。它迅速成为本周最受欢迎的模型——而所有这些流量都是由中国 AI 芯片承载的。
就这样，我们见证了一场公开的埋葬。现在，为了维持 'A.I' 经济中的估值（尽管很明显这些估值并不合理），这符合所有人的利益。
无论是模型开发成本、硬件成本，还是服务成本（即推理成本）。
- sunbum
> 而所有这些流量都是由中国 AI 芯片承载的
Nivida 股东安息吧
- preommr
所以 Google 员工关于 Ox Alpha 的那些 vagueposting 到底……是什么情况？
虽然我知道他们在沟通上必须小心谨慎，但团队里的高层成员总该能澄清一下这东西 _不是_ 他们做的吧，毕竟大家都在八卦说是他们。
- XCSme
不错，终于修复了巨大的推理 token 计数问题。
现在的成本跟 DeepSeek v4 flash 差不多，但更聪明。
我的测试结果：https://aibenchy.com/compare/z-ai-glm-5-3-flash-max/deepseek...