上周在搭建一个Agent框架时，顺手拿GLM-5.3-Flash和DeepSee…

上周在搭建一个Agent框架时，顺手拿GLM-5.3-Flash和DeepSeek-V4.1-Flash跑了三个任务，结果挺有意思的。 第一个任务是代码审查。GLM用了27分钟，读了35个文件，做了27次搜索；DeepSeek花了45分钟，跑了55条shell命令。DeepSeek报了23个问题，GLM报了10个。两个模型的准确率都在60%左右，但GLM最大的发现是对的，DeepSeek最大的发现是错的。这个差异挺关键的，Agent场景下错误的高置信度输出比漏报更麻烦。 第二个任务是移动端UI审查。这个DeepSeek赢了，它发现了一个消息队列导致的可用性bug。GLM明明看到了那个组件，但问了个错误的问题就跳过了。不过有个细节：我的提示词明确要求关注视觉体验，GLM看了14张截图，DeepSeek一张都没看。 第三个任务是改进计划生成。GLM给出了33条改进建议，每条都标注了优先级和工作量；DeepSeek只给了14条，虽然在某些点上更深入，但对UI和性能几乎没提。GLM更擅长发现那些半成品功能，DeepSeek则更倾向于先建立度量体系再行动。 综合来看，GLM-5.3-Flash在Agent场景下表现更稳定，速度快1.3-1.7倍，而且能识别出自己工具链的问题。DeepSeek V4.1 Flash感觉更"锐利"，但也更容易在自己刚测量过的事情上自信地犯错。 如果你也在搭Agent框架，可以参考这个对比。日常使用的话，GLM-5.3-Flash目前是我的首选。