最近AI圈子真是热闹得不行，前脚 DeepSeek V4 Pro 正式版和 DeepSeek Harness （DSH）刚同步上线，后脚智谱就扔出了全新的 GLM-5.3 模型，听说这个5.3版本基座跟5.2一样都是743B参数，但靠着后训练，性能竟然直接飙升了50%！
说实话，新模型是一个接一个，根本测不过来啊，感觉我们这些站长和开发者，还没消化完一个，下一个就又来了。
既然现在GLM、DeepSeek、Kimi这几家国产大模型打得这么火热，不如直接把它们拉到同一个擂台上来真刀真枪地比试一番，这样大家肯定更想看了吧。
DeepSeek Harness 最近热度很高，它最棒的一点就是支持接入第三方模型，这简直就是给咱们这些想做模型对比测试的站长量身定制的。于是我就琢磨着，干脆把DSH当成一个统一的评测工具，把这三家的最新模型统统塞进去，让它们在完全一致的工具链环境下跑任务，这样除了模型本身，其他变量都控制住，尽可能做到公平对比。
别的不说，光是把这几个模型接入DSH，就已经是个值得分享的经验了。今天我就先手把手教你怎么把智谱的 GLM-5.3 接入 DeepSeek Harness，后面再聊聊我跑了两个实战项目后，这些模型到底表现如何。
如果没有这么多API额度，可以选择硅基流动的API，任选大模型，免费16元调用额度，免费上亿token！
点个收藏，咱们这就开整。
一、把 GLM-5.3 接入 DeepSeek Harness
首先，咱们得把 GLM-5.3 模型接入到 DeepSeek Harness 里。这里我就以 GLM-5.3 作为例子，Kimi K3 的接入方法也是大同小异。如果你是DeepSeek Harness的新手，还没安装或者用过，可以先去百度一下，从安装到上手也就几分钟的事儿，里面还有视频教程链接，照着一步步操作就行。
这里我就直接讲讲怎么在已经部署好的 DeepSeek Harness 里添加第三方模型。
- 打开 DSH 的 Web 界面，点击左下角的“设置”按钮。 这个设置按钮藏得比较深，新手可能要找一下。
- 进入“模型”标签页，然后找到并点击“添加提供方”。
- 选择模型提供方为
zai-coding-cn。 接着，你需要去智谱开放平台（https://bigmodel.cn/coding-plan/personal/overview）获取你的API Key，然后把它粘贴到DSH对应的输入框里。
- 展开自定义设置，点击“获取可用模型”。 不过，因为 GLM-5.3 实在是太新了，DeepSeek Harness 的模型列表可能还没来得及更新，它默认是不会被自动拉取到的。所以，我们得手动操作一下，点击“添加模型”，然后填入
glm-5.3，最后记得保存。
大功告成！现在你就可以在DeepSeek Harness的对话框里，轻松选择并使用 GLM-5.3 模型了。是不是很简单？
用同样的方法，你可以把 Kimi K3 也加进来。至于 DeepSeek V4 Pro，它通常在DSH安装成功后就默认接入了，不用你再额外配置，省心不少。
等这三个模型都安顿好了，咱们的PK赛就可以正式拉开序幕了。
二、测试说明：确保公平性
为了这次大模型横评尽可能做到公平公正，我可是煞费苦心。所有三个模型都会在 DeepSeek Harness 的标准模式下运行，统一使用各自模型的默认推理档位，工具链环境完全一致，连输入的提示词都一字不差。最关键的是，整个测试过程我不会做任何人工干预，提示词一给，就让AI自己独立跑到任务结束。
DSH这里做得也很到位，它会自动扫描我本地安装的技能目录，比如我装了 Firecrawl 的联网搜索技能、Context7 的文档查询技能等。这意味着在跑任务时，所有三个模型都能公平地使用这些辅助技能来搜索资料，避免了因外部工具差异导致的结果偏差。
三、实战 1：致敬《牛来》的 3D 网页跑酷游戏
最近一部国产动画电影《牛来》真是火遍了全网，虽然剧情和建模有点抽象，但那种“反向爆火”的魔力，让它从上映第一天的3420元票房，短短十几天就冲到了900多万，属实是奇迹。半佛老师那句“如果你花了30块去看了《牛来》，那说明你真的有30块钱”，简直是精辟。
既然它这么“独树一帜”，我就决定让这三个模型，来个致敬《牛来》的“3D 网页跑酷游戏”。在给提示词的时候，我故意没有做太多功能和技术上的约束，就是想看看模型们各自能发挥到什么程度，能不能把电影里的一些“灵魂元素”给还原出来。我特别强调了要用 Loop Engineering 的方式来推进，就是做完一步自己验证一步，出了问题自己修复，这很考验AI的自主思考和纠错能力。
好了，游戏开始！
GLM-5.3 成品效果：细节拉满，可玩性爆棚
首先登场的是 GLM-5.3 的版本。
进入游戏主界面，首先看到一段故事描述，有看过《牛来》的朋友肯定会觉得，这个描述跟电影剧情的契合度相当高：草原上的小牛犊牛来，跟随云雀坠入一场大梦，穿过迷雾、狼群与轰鸣的伐木场，唯有向前奔跑才能学会勇敢……这简直就是电影精神的完美再现，还挺励志的。
进入第一关“晨曦草原”，你别说，这个牛的建模真的挺抽象的，尤其是那双直勾勾盯着你的眼睛，那种魔性一下子就出来了！旁边还有一只云雀好友陪着牛牛一起向前奔跑，电影里那个味儿，GLM-5.3 抓得死死的。
游戏操作支持左右移动、跳跃和滑铲，手感出乎意料的流畅，玩起来还挺带劲的，可玩性相当不错。
吃到一定数量的幸运草之后，竟然还能释放大招，进入“豹拉疾冲”状态，这可是全屏加速加无敌！“豹拉”是电影里牛来的好朋友，这个大招命名，真是充满了电影的梗，让人会心一笑。
游戏不仅有多个关卡，而且每一关的主题和机制都各有不同。比如“狼群夜袭”这关，你真的会被身后的狼群追逐，还有一个叫做“妈妈的守护”的技能，简直是剧情杀，让人直接泪目。
可惜，我的牛牛最终还是倒在了第四关。看看这个死亡结算画面，我真的没绷住，怎么还喷出一团血花了呢？这细节，真的绝了！
DeepSeek V4 Pro 成品效果：中规中矩，但略显粗糙
接下来是 DeepSeek V4 Pro 的版本。
主界面做得还算像模像样，也还原了云雀和牛来的故事背景。
进入游戏，额…… 怎么说呢？这界面干净得一塌糊涂啊！除了主角牛牛和两边的云雀、豹拉，基本没什么场景细节了。不过，它确实把云雀和好友豹拉都还原出来了，它们会陪着牛牛一起奔跑。
移动、跳跃和滑铲功能都是正常的，但看到这个滑铲效果，我真的没绷住……好家伙，牛牛的眼珠子都给我铲出来了？这建模确实有点简陋了。
仔细看，道路两侧的图标明显是飘在草坪上面的，有点违和。而且整个游戏节奏偏慢，刚开局跑了好久第一个障碍物才出现，没什么技能，也没什么特殊的关卡机制，可玩性比较差。
牛牛只有一条命，撞到石头之后直接就进入死亡结算画面了，整体来看，只能说中规中矩吧，没啥亮点。
Kimi K3 成品效果：画面还行，但性能和玩法是硬伤
最后是 Kimi K3 的版本。
主界面的配色平平无奇，跟其他模型一样，也把电影剧情简单概括了一下。
进入游戏，界面风格还可以，远处的山峦绘制得挺不错的。但是主角牛牛就显得平平无奇了，不够抽象，看起来就是一组普通的方块，缺乏电影那种魔性的特质。
虽然牛牛有3条命，也可以吃金币，但整个游戏就是单纯的跑跑跑，没什么技能，也没有特殊机制。我的豹子朋友和云雀呢？怎么都没了？还有这个下雨效果，直接来一个全屏网格，这就有点敷衍了吧……
而且最致命的问题是，整个游戏时不时会出现明显的卡顿，帧率不够稳定，这在跑酷游戏里可是致命伤。
最后是平平无奇的结算画面，没啥亮点。
实战 1 对比：GLM-5.3 遥遥领先
三个版本的跑酷游戏都测试完了，结果应该很明显了吧。
- GLM-5.3 的版本完成度最高，多关卡、多技能，对电影剧情的还原度非常强，可玩性远超其他两个模型。
- DeepSeek V4 Pro 实现了游戏的基本玩法，但节奏偏慢，细节处理也比较粗糙，让人感觉就是个半成品。
- Kimi K3 虽然场景画面还过得去，但游戏机制太过单一，缺乏特色，而且还有恼人的卡顿问题，体验感很差。
综合来看：
- 前端效果：GLM ≈ Kimi > DeepSeek
- 可玩性：GLM > DeepSeek > Kimi
- 画面抽象程度：GLM > DeepSeek > Kimi （毕竟是致敬《牛来》嘛，抽象就是精髓）
整体游戏完成度上，GLM-5.3 真是遥遥领先，表现突出。
四、实战 2：AI 绘图工具，考验全栈工程能力
上一个任务是纯前端的3D游戏，这第二个任务当然要换个方向，来彻底考验一下模型的全栈工程能力。
我让这三个模型开发一个“AI 绘图工具”，用户的需求很简单：输入自然语言描述，后端调用大模型生成 draw.io 格式的图表XML，然后前端把这个 draw.io 开源编辑器嵌入进去，用户可以直接在线编辑和修改生成的图表。
这个任务可不简单，它同时考验模型对 draw.io 开源代码的理解、后端AI调用链路的设计、前端复杂组件的集成，以及最重要的——整体产品设计的合理性。为了方便测试，我直接在提示词里把API Key提供给了AI，省去了AI自己去配置环境变量的步骤。
GLM-5.3 成品效果：产品级体验，深度融合
先来看看 GLM-5.3 的效果。
整个页面设计很有科技感，左侧是AI对话框，右侧是画布编辑器，布局清晰合理。产品引导做得也很到位，直接告诉你“可以用一句话画出专业图表”，还贴心地给出了几个示例类型。
我尝试让AI帮我画出 DeepSeek Harness 的架构图。在生成过程中，你可以实时看到AI深度思考和生成XML代码的过程，右侧的画布还会显示一个炫酷的Loading动画，这种实时反馈感非常棒。
生成完成后，右侧立刻就渲染出了完整的架构图，分层清晰，而且完美保留了 draw.io 原本的元素编辑能力，可以直接拖拽、修改，就像在用原版 draw.io 一样。
更强的是，它居然支持连续对话修改。比如我说“帮我把 DeepSeek Harness Core 这里变成红色”，AI 就能精准定位到对应的元素并修改样式，右侧画布实时更新，这种交互体验，简直是产品级的！
整体效果非常不错，图片导出功能也能正常使用。而且你会发现 GLM-5.3 把 draw.io 的编辑能力深度融合进了自己设计的界面中，看起来就像一个完整的产品，而不是生硬地嵌入了一个第三方组件，这点很难得。
DeepSeek V4 Pro 成品效果：核心功能勉强实现，但用户体验欠佳
再来看看 DeepSeek V4 Pro 的表现。
打开界面，右侧画布竟然是一片空白，只有一个大大的Loading图标？而且左下角的提示文字还出现了溢出，这前端表现，DeepSeek V4 Pro 确实有点拉胯了。
AI生成图表的功能倒还是可以正常使用的，但是没有实时展示AI思考过程的能力，你只能傻等着它全部生成完了，才能看到结果，交互体验差了一大截。
最关键的是，DeepSeek V4 Pro 很明显是直接把 draw.io 整个嵌入到了前端页面中，没有做任何深度集成。这种感觉就像是硬生生把两个东西粘在一起，而不是巧妙地融合，跟 GLM 那种把 draw.io 能力自然融入自己界面中的做法差距明显。
Kimi K3 成品效果：前端不错，但后端稳定性是短板
最后看 Kimi K3。
Kimi K3 这次生成的界面布局跟 GLM 类似，也把 draw.io 自然融合到了项目中，整体界面风格非常Nice，看起来也挺舒服的。
AI生成图表的功能正常，同样支持连续对话修改，这说明Kimi在前端交互设计上还是下了功夫的。
但是，我发现它的后端逻辑明显没做好提示词约束和工具校验，有时候AI生成的内容会直接翻车，把一大段XML源码直接糊在界面上，而不是渲染成图形，这可就尴尬了。
整体来看，Kimi K3 的前端设计能力跟 GLM-5.3 旗鼓相当，但在后端稳定性上却明显差了一截，还需要打磨。
实战 2 对比：GLM-5.3 依旧领先
在这个全栈绘图工具的任务里，GLM-5.3 的综合表现依然是最好的，无论是界面设计、AI深度思考的实时展示、连续对话修改，还是 draw.io 的深度融合，每一个环节都处理得非常到位，给人一种完整产品的体验。
Kimi K3 的前端设计能力很强，但可惜后端逻辑偶尔会翻车，影响了整体的用户体验。
DeepSeek V4 Pro 虽然也正常实现了核心功能，但是界面粗糙，组件集成方式生硬，用户体验感最差。
五、我的真实感受和成本分析
跑完这两个横跨纯前端3D游戏和全栈AI应用的实战项目，我的感受还是很深的。
很明显，即使是在 DeepSeek Harness 这个可以算是 DeepSeek 的“角色专武”主场环境下，GLM-5.3 的表现依然非常出色。这两个项目覆盖了完全不同的技术方向，但 GLM-5.3 在任务理解、代码生成质量、产品设计意识这几个维度上都明显领先，它的自主思考和纠错能力给我留下了深刻印象。
下面聊聊大家最关心的成本问题，猜猜我这次测试到底花了多少钱呢？
由于 GLM-5.3 我用的是编码套餐，不太好直接统计实际消耗金额，所以我只能拿积分来算了。两个项目累计消耗了 1151 积分，我订的是Pro套餐（538元/月），每周额度是6万积分，算下来这次的消耗只占了周额度不到2%，折算成钱，连3块钱都不到。这性价比，真是高到离谱。
Kimi K3 那边，我的套餐过期了，新的又没抢到，所以是直接用 API Key 接入，总共消耗了31.07元；而涨价之后的 DeepSeek V4 Pro 消耗了13.99元。
单从我这次实际花销来看，GLM-5.3 按照套餐计算，性价比是最高的。一周6万积分，足够你随便跑，根据我这次测试这种复杂任务的消耗情况，做几十个小项目应该是不成问题的。
在开源世界里，GLM-5.3 目前可以说是编程能力的天花板。智谱在发布文章中还提到，Hugging Face 之前遭遇安全攻击的时候，Anthropic 的 Mythos 模型只面向约150家大型机构提供服务，更多的中小企业和开源项目在最需要帮助的时候，反而用不上最强的防御工具。当攻击能力在扩散，防御能力就不能只掌握在少数人手中。GLM-5.3 的开源给所有人提供了一把防御的盾牌，这件事情本身的意义，可能比单纯的跑分高下更重要。
六、最后哔哔几句
这次横评下来，我对国产大模型的编程能力真是越来越有信心了。GLM-5.3、Kimi K3、DeepSeek V4 Pro 这几家打得不可开交，作为用户，我们真的是渔翁得利，有了更多更强的选择。
当然，每个模型都有它的长处和短板，选哪个，最终还是得看你的具体需求和预算。但从我的测试来看，如果你追求代码质量、产品设计和高性价比，GLM-5.3 绝对是目前一个非常值得深入尝试的选手。
暂无评论内容