研究與模型 2026年8月23日

本週 · 發文日 8 月 21 日

同一家供應商用同一套方法做了兩份對照，結論相反——而真正可以搬走的不是誰贏，是「要不要把兩個模型串起來用」的判準。

Together AI 是開放權重模型的推論服務供應商，同一天發了兩份對照，用同一套方法、同一組題目（113 個軟體工程任務、每組跑 4 次），只是對手不同。GLM-5.3 是中國智譜的開放權重模型。第一份（GLM-5.3 對 Claude Fable 5）：首次嘗試通過率 69.0% 對 69.7% 實質平手，每次執行成本 3.99 對 21.63 美元，5.4 倍價差。第二份（GLM-5.3 對 GPT-5.6 Sol）：69.0% 對 72.7%，成本 3.99 對 8.37 美元。兩份給了相反的操作建議——一份說不要兩個都跑，一份說串起來用。這不是自相矛盾，是同一個判準的兩個結果：兩個模型若在同樣的題目上失敗（相關係數 0.65），組合起來只是多花錢；在不同題目上失敗（0.43），組合才有互補價值。第二份的串接（便宜的先跑、測試不過才升級）拿到 85.9%、每題 6.61 美元，比貴的那個單獨用高 13.2 個百分點、便宜 21%。