关于国产LLM的差距
419
- 欣_郁2026-08-01
感觉还是要正视国产llm和国外的差距。
客观事实：
1）deepseek v4 flash ga在8项agent相关评分都超过glm5.2；
2）deepseek v4 flash ga在agent评分上和gpt 5.6 luna互有胜负，整体小负；
3）deepseek v4 flash ga在agent评分上，全面落后opus-4.8；
结合主观感受(网上评测、个人体验），如下鄙视链基本是合理的：opus-4.8 > gpt 5.6 luna >= deepseek v4 flash=glm5.2。
好，那么让我们清理一下记忆，回到07-31之前：当时deepseek v4 flash ga尚未发布，国模声势最大的就是glm5.2和kimi-k3.
我截取了2026.6.1至2026.7.31之间的搜索结果（尤其是第一个链接，小蓝书问题下的回答）
如果单单从“中文互联网舆论”来看，glm5.2的能力甚至都能与opus 4.8比肩。
但实际情况如何？昨天（07-31）我们看到了，glm5.2是和deepseek v4 flash差不多的模型（agent能力稍差，但参数量大，实际表现可能略好），都谈不上稳吃gpt 5.6 luna。
即在26-7-31之前，除了kimi-k3（和qwen3.8 max），其他所有国模无论是性能还是价格，都比不过gpt 5.6 luna。而kimi-k3的推理产能根本上不去（各种限购），更多是象征意义，实际意义有限。
即：
1. 尖端模型：仅个别国产模型性能达标，但受限于算力，对全球市场份额几乎无影响；
2. 腰部模型：若掀开传统印象的遮羞布，gpt 5.6 luna才是真正的价格屠夫/斩杀线。
实际上这个结论在此刻（08-01）仍然没变：gpt 5.6 luna仍然比最好的国产腰部模型（v4 flash ga）要略强，考虑到支持多模态的特性以及同档位的价格，“抛开可及性不谈”，似乎没有理由不选gpt 5.6 luna。v4 flash ga仅仅在国模的优势主场稍微找回了场子而已（可以想象如果没有v4 flash ga，国模的劣势有多大）——这个格局可能得v4 pro ga才能改善。
国产LLM的处境实际上完全与舆论的火热相反：中文舆论有过多虚美之辞，而英文舆论吹国模也是为了对OA两家哈气。但实际上国产LLM的差距仍然很大。
引申一些推断：
1. 根据deepseek的朴实风格，你可以永远相信它的跑分的客观性；
2. 八月初发布deepseek v4 pro ga，官方自己必定会和kimi k3、fable、gpt5.6sol比较，到时候就可以知道kimi k3的真实能力档位。
主楼 - jcc2026-08-01
luna只是标价和ds差不多
真要写代码用起来你就知道了
ds的价格是真的低，关键就是ds逆天的动不动能缓存12个小时的硬盘缓存
最后，实际上，开源的问题就在这，你觉得开源落后，其实可能是因为闭源也在同步的跟进和使用开源的技术，所以闭源会比开源领先一些
但是，你要知道，dsv4flash，用到的技术，全都是4月份的，这个ga版，只更新了后训练数据而已
那么，4月到现在8月，这段时间，ds的技术难到没有迭代吗？可以猜一猜，肯定还有东西没拿出来的
- 卡里姆•汗2026-08-01
好奇luna的常规缓存是多少，ds基本都是99，感觉要加上缓存进行考虑
- KILITER2026-08-01
说了这么多到底想表达啥意思？佬友
- kk_C2026-08-01
我觉得就是深度思考的Grok4.5水平
- ba_lao2026-08-01
GPT 5.6 Lunna 成为新的国模斩杀线。
- 欣_郁2026-08-01
我只是吐槽一下，gpt-5.6-luna真的造成了国模危机（即使v4 flash发布也没完全改善），但“2026.6以来，中文+英文舆论对国模舆论热度”似乎遮盖了这一点。。。。
- markk2026-08-01
那么这种情况下谁还用glm5.2,智谱咋整啊
- jcc2026-08-01
真要有危机，对面的危机更大
你想想啊
luna能解决问题的话，他们的100刀 200刀的订阅，卖给谁啊？大家都用luna，他们岂不是要倒闭了
这个斩杀线，对所有人都一样的，OpenAI 和A 社自己，他们也跑不了
- Anemo_Slime2026-08-01
差距不是很大的情况下，模型滤镜可以弥补这一点了，喜欢用谁就用谁。
- wjy2026-08-01
这么便宜的模型能和grok4.5有来有回，如果我是友商我直接吓哭了
- 卡里姆•汗2026-08-01
说实话，至少我深度体验下来，gpt5.5末期的5.5(high)是打不过glm5.2，就后端比glm5.2强，但是强不了多少，但是现在不好说，所以评价要看时期的，如果是5.6出来之前的glm5.2确实强，5.6系列也确实拉开了距离，但是我当时用的是sol，现在luna已经大于5.2了吗
- apparition2026-08-01
- 欣_郁2026-08-01
我理解luna和dsf（deepseek v4 flash ga）应该是同一个档位的价格？
中少量、pay as you go式地使用肯定dsf占优；大量使用，luna有codex订阅，所以可能能做到价格相当？
但这种功能腰部模型，一般用量就是很大的（代码和办公自动化场景）。
且luna还有多模态、耗时低（粗看测评大概2-4倍）、每任务消耗token相对少——综合来看如果luna实际价格哪怕是dsf的2-3倍，市场都可以接受？
- jcc2026-08-01
- imgdo2026-08-01
确实这样的，我有个聚合国模渠道，自己一直用luna和前段时间的5.4mini，很容易对比出来
- 欣_郁2026-08-01
- jcc2026-08-01
一个冷知识，dsv4flash的架构和模型结构是4月份的
只是更新了后训练数据
luna虽然是6月的，但是也是最近才更新了架构然后降价的
你可以认为，后训练的数据 OpenAI 领先，但是架构的话我认为ds领先
- 小八2026-08-01
实际体验下来 luna的解决能力一般般 开到max 实际上也不如v4 flash ga oai的建议都是luna作为调用工具使用 我拿v4 flash ga写的代码让opus5去给我review 体感是非常好的 基本上都可以正常交付了
- ba_lao2026-08-01
