智谱 Bigmodel 的 GLM 4.6 性能分析及改进建议

关于智谱 Bigmodel 的 GLM 4.6 是否存在降智的问题，从您的描述来看，似乎您认为在代码分析任务中，GLM 4.6 的表现不如预期。具体来说，当您要求分析某个字段是如何注入时，GLM 4.6 在查看了一些类型文件后便给出了结论，而 Minimax M2 则分析了更多内容并得出了准确的结论。您提到 GLM 4.6 的回答是“系统会自动注入”，而您希望了解具体的实现过程。这种情况下，用户可能会感到自己的年费投入没有得到相应的回报，从而产生被“降智”的感觉。

从技术角度来看，模型的表现可能受到多种因素的影响，包括模型的设计、训练数据的质量、以及提示词的构造等。GLM 4.6 可能是在训练数据中较少遇到此类具体场景，或者其设计更倾向于给出直接的答案而非深入分析。此外，不同的模型可能有不同的侧重点，比如速度、准确性或解释性。因此，GLM 4.6 可能更注重快速给出答案，而 Minimax M2 可能更注重全面分析。

为了提升模型的表现，您可以尝试调整提示词，提供更多上下文信息，或者尝试不同的模型来找到最适合您需求的工具。同时，反馈您的使用体验给模型开发者，也可以帮助改进模型的表现。总的来说，选择和使用AI模型是一个不断探索和优化的过程，希望您的投入能够得到更好的回报。