本章属长课 00-总览 · 第 1/5 段 · 00:00–19:11(机械切分)
David Ondrej · 19:11(本章) · 观看原视频
主旨
David Ondrej 与本地/开源模型倡导者 Seto 对谈本章内容:先评价 GLM 系列(4.5~5.2)的真实能力与”中国模型只跑分不中用”的争议,再回顾 Fable 5 短暂开放期间的实测体验(个人数据 RAG、Bloodborne 代码复现测试),最后深入讨论 Fable 5 被封禁的几种猜想,以及前沿模型智能上限、本地开源模型作为长期对冲的判断。
核心论点
- GLM 系列在 agent/coding 上口碑扎实,“中国模型只跑分不中用”这套批评站不住脚——同样的批评也适用于 OpenAI/Anthropic,真正差异是取舍与营销包装完整度,而非能力代差。(→ 详解1)
- 中国模型的”缺陷”多是刻意取舍而非能力不足——如舍弃 vision 换取更精简的代码训练与更易本地部署;真正卡脖子的是分发渠道而非技术。(→ 详解2)
- Fable 5 展现出超越”工具”的”贡献者”式协作能力——能推理用户未言明的深层意图,在个人数据 RAG 测试和代码复现基准上都体现出质变。(→ 详解3)
- 新模型热度存在”蜜月期”效应——发布初期人来不及发现缺陷,退潮后必有人说”被阉割了”,这与模型是否真被削弱无关。(→ 详解4)
- Fable 5 被封禁的真实原因有三种猜想(网络安全/生物武器风险、开源漏洞挖掘武器化、把叙事从 SaaS 公司转向军火商以撑估值),受访者本人也判断不出哪个是真相。(→ 详解5)
- 前沿模型的智能提升可能只剩一两代,之后转向效率优化——本地开源模型(如 Qwen)是应对封锁/涨价的长期对冲手段。(→ 详解6)
知识点详解
1. GLM 系列的口碑与”跑分注水”争议 01:00
Seto 认为 GLM 4.5 到 5.2 整条产品线在 agent 工作、后端系统 coding、Docker/DevOps、GPU 编程与 MLOps 上表现”phenomenal”,尤其擅长长时间高强度的逆向工程任务——只要给它一个目标,它愿意专注打磨 8 小时以上直到接近完美。
针对”中国模型只是跑分好看、实际用起来不行”这套流行批评,Seto 明确表示不认同,并指出同样的指控对 OpenAI、Anthropic 一样成立。他认为真正的差异不在模型能力本身,而在于美国实验室习惯发布”完整打包”的产品——精细的产品体验加上极强的营销包装(类比好莱坞式讲故事),这让美国模型显得更”精致”,但不代表底层能力有代差。
2. 中国模型的”缺陷”是刻意取舍,分发渠道才是真瓶颈 02:03
Seto 举例说明:ZAI(GLM 厂商)的编码模型刻意不做 vision,是为了让训练资源更集中在代码能力上——加入视觉能力意味着要扩训练数据、扩模型体积,进而更难本地自托管和部署。这类取舍不是能力不足,而是工程上的权衡。
他认为真正卡住中国开源模型普及的是分发渠道:普通美国用户想用 GLM,在 Cursor、Claude Code、Codex 里都找不到,得跳去一个命名不直观的官网、绑卡,还要顶着”跑分注水""中国模型有安全风险”这类舆论噪音。反例是 03:45 提到的 Factory AI(Droid):把中国开源权重模型托管在美国本土服务器上,做出更顺畅的分发体验,是他认为值得称道的路径。
3. Fable 5 从”工具”变成”贡献者” 05:49
Seto 在 Fable 5 短暂开放期间花费约 1500 美元 API credits 密集测试了两天。他把自己下载的全部个人数据(医疗记录、社交媒体、Google Takeout 导出的 YouTube/Gmail/日历数据)做成本地 RAG 库,让模型自由浏览并给出人生洞察。
模型从 06:00 的这批个人数据里发现,27 年人生记录中有 2 年是空白的,并主动追问那段缺失的经历——这是他遇到的第一个会这样做的模型,像心理咨询师一样展现出共情与人性化沟通能力(见 06:38);而 GPT 类模型通常会直接回避这类对话,中国模型则更偏向 coding、不擅长这种交流。
另一项测试是让所有模型”重建 Bloodborne”(07:38)——一款魂系动作角色扮演游戏。从 Gemma 3 31B 开始各模型都能抓对基本组件,但输出全是方块化的粗糙细节;随着模型规模变大,同样的功能性输出会有明显更丰富的细节。Seto 认为 Fable 5 复刻的敌人类型和游戏机制高度贴近原作(08:16),说明模型规模决定了细节还原能力的上限。
David Ondrej 补充自己的体感(09:02):相比需要精确下达指令的”工具型”模型(如 GPT 5.5 Pro/o 系列),Fable 5 更像一个”实际的协作者”——有时不需要解释具体在做什么,它能理解背后更深层的意图,不用自己一直当”导演”。
4. 新模型的”蜜月期”效应 09:26
Seto 提出一个预测:任何新模型发布初期都会有一段”蜜月期”——注意力和炒作让人来不及冷静下来发现缺陷。他打赌,等 Fable 5 真正回归开放使用后,大概率会有人说”这不是原来那个模型了,被降智/阉割了”,即便模型本身毫无变化。
这个规律与模型是否真的被削弱无关,纯粹是热度退潮后的心理落差,几乎每次新品发布都会重演——GLM 5.2 目前正处于同样的炒作阶段。
5. Fable 5 被封禁的三种猜想 11:24
猜想一:模型确实具备极端的网络安全与生物恐怖主义风险,例如有能力把”大鼠 DNA”级别的知识推进到可致病病毒的程度。Seto 认为这不算超出现实可能性——任何模型都有人在测试制造炸药之类的问题,这是需要正视的现实,而非无稽之谈。
猜想二(12:35):模型可被用来批量扫描开源仓库的 pull request,专门挖掘”修复了但没公开说明细节”的安全补丁,在补丁被合并前抢先做出 zero-day exploit。Seto 提到这类”蹲守链上交易/仓库找漏洞”的手法,在他此前从事的金融与区块链分析工作中已有先例。
猜想三(13:17):封禁只是公司叙事从”SaaS 公司”转向”军火制造商”的公关操作——军火商在公开市场上更容易讲出万亿美元估值的故事。Seto 明确表示自己不确定封禁的真实原因是哪一种,只是把这几种可能性摆出来供讨论。
6. 智能上限猜想与本地开源模型作为对冲 13:44
Seto 预测前沿模型可能只剩一两代真正的智能跃升,之后美中两国的重心都会转向”效率提升”(更省 token、更省钱)而非继续推高智能上限,因为智能持续暴涨本身正在变成网络安全层面的存在性风险(连家庭网络都可能被攻破)。他借加密货币类比:技术进步本身无法被真正阻止,但政府可以让普通消费者用起来变得很难——加密货币至今仍被部分国家限制,却依然在地下持续运转。
基于这个判断,Seto 力挺本地/开源模型:他自称本地跑的 Qwen 27B/35B 模型在各项跑分上已经优于一年前的 Sonnet 4(18:09),并建议普通人尽早养成”本地部署+微调”的习惯——因为一旦 2-3 年内(19:10)政府真正收紧对普通用户的限制,大众若没有提前建立起本地能力,将失去这条退路。
可执行步骤
- 若已有本地 RAG 环境,尝试给模型喂个人历史数据(社交媒体导出、Google Takeout),看模型能否总结出有意义的洞察或主动追问空白,作为衡量模型”人性化理解”能力的简易基准。
- 用固定的”重建一款熟悉游戏”提示词,在不同规模/厂商的模型间做横向对比,观察输出细节的还原程度差异。
关联
- 冲突/补充:2026-07-02-大家都在用错Fable5 认为封禁的真实原因是”合规义务链条”(Amazon 员工按合同必须先向政府报告安全漏洞,政府反应过度导致封禁);本章 Seto 给出的是另一套未经证实的猜想(网络安全/生物武器风险、开源漏洞挖掘武器化、SaaS 转军火商叙事),且明确承认自己也不知道真相是哪一种。两处信源都是访谈中的个人猜测,可互相佐证”封禁真实原因始终不透明”这一事实,不构成谁对谁错。
术语
- GLM(智谱 AI 旗下开源大模型系列,4.5~5.2 各代在 coding/agent 上口碑扎实)
- ZAI(智谱 AI,GLM 模型的厂商简称)
- Fable 5(此前被封禁/限流的顶级模型代号,vault 内多篇笔记讨论其封禁与解禁前后的用法)
- RAG(检索增强生成,本章指把个人历史数据喂给模型做本地知识库)
- zero-day exploit(零日漏洞利用,补丁公开前就被抢先武器化的安全漏洞)
- 蜜月期效应(honeymoon period,新模型发布初期因关注度和炒作而掩盖真实缺陷的阶段)
- Bloodborne 基准(本章用这款魂系动作游戏的”从零复现”提示词,作为衡量模型代码生成细节还原能力的非正式基准测试)
立场与利益
视频中段(04:49 附近)插入 Oxylabs 网页抓取工具的赞助广告(oxylabs.io/david,折扣码 david),与本章的模型/封禁讨论内容无关,属贴片广告,已剔除不计入正文观点。受访者 Seto 定位为本地/开源模型的公开倡导者,其对 GLM、Qwen 的正面评价与其一贯公开立场一致,阅读时可留意其倾向性,但本章未发现其与具体厂商有直接商业绑定的证据。
价值定位
- 适合谁:关注本地/开源大模型生态、想了解中国大模型(GLM 系列)真实能力边界的人;也适合关注 Fable 5 封禁事件背景、想对照不同信源说法的人。
- 解决什么:提供了一手实测细节(Bloodborne 基准、个人数据 RAG 测试)佐证模型能力跃迁的具体表现,而非泛泛的跑分数字对比。
- 认知 vs 实操:以认知/格局层为主——理解中国模型的能力取舍逻辑与封禁背后的多种叙事博弈;本章未给出可直接落地的操作步骤(视频提到的”model matcher skill”素材链接在视频简介中,本章内容未展开)。
- 与 2026-07-02-大家都在用错Fable5 重叠(同讲 Fable 5 封禁),但本片给出的是封禁原因的另一套猜想,可与那篇的”合规义务链条”说法对照阅读。
自检问题
- Seto 为什么不认同”中国大模型只是跑分好看、实际不好用”这种说法?他认为真正的差异是什么? 答案:他认为该批评同样适用于 OpenAI/Anthropic;真正差异是取舍与营销包装完整度,而非模型能力代差。 01:00
- 视频里提到的两个模型测试(Bloodborne 复现 + 个人数据 RAG)分别在测什么能力? 答案:Bloodborne 测的是模型代码生成的细节还原能力(模型规模越大细节越丰富);个人数据 RAG 测的是模型的人性化沟通、共情与推理隐藏意图的能力。 06:38
- “蜜月期”效应具体指什么现象? 答案:新模型发布初期因关注度和炒作,用户来不及发现缺陷;等热度退潮,即便模型毫无变化,也会有人说”被阉割了”。 09:26
- Seto 对 Fable 5 被封禁给出了哪几种猜想?他自己认定真相是哪一种吗? 答案:三种猜想——网络安全/生物武器风险、开源漏洞武器化挖掘、SaaS 转军火商的估值叙事;他明确表示自己不确定,只是摆出可能性。 13:17
- Seto 对本地/开源模型的未来给出了什么判断,他建议普通人现在做什么? 答案:他判断未来一两代后模型进步会转向效率而非智能提升,普通用户的 AI 能力可能被逐步收紧;建议尽早开始本地部署/微调开源模型作为长期对冲。 19:10