如题，测试对象为妓院绿洞的5.3/5.3f，ds4、ds4f-0731 
妓院掺水，可是有人扒过了妓院的全套模型错误信息都是阿里云同款，之前用ogc/commandgoat的glm也一样慢且蠢，猜测这些低价渠道都是同降智等级，不负责任猜测大部分人用到的其实都是这个水平的降智版。 
体感是glm5.3/5.3f有点染上了sol那种钻牛角尖癔症，生成任务很强，但排查没见过的问题就喜欢偏离原本的任务、假装干活。 
我觉得现在的基准测试偏离实际场景太远了。一般使用场景里，找东西、排查问题、改史山肯定是比从0到1生成多得多的， 
svg画鹈鹕骑自行车（提示词只有这一句） 
5.3 
 [image] 
5.3f 
[image] 
ds4pro0813（最差，符合既往共识） 
[image] 
都算是不聪明但没有降智到很离谱的，有可比性