一个月前，我决定将所有AI工具更换为国产产品，原因很简单：OpenAI和Anthropic的API费用实在负担不起。我同时使用ChatGPT、Claude和Gemini进行设计、编程和文档处理，一个月的账户开支轻松超过三四千元。一位朋友告诉我，国产AI在特定能力上已经接近国际水平，并将成本降低至五分之一。经过一个月的实际测试，结果比我预想的要有趣得多——Kimi的设计能力确实出色，但速度慢得让人抓狂；GLM-5.3 Flash性价比极高，但存在不少问题；DeepSeek在代码审计方面能发现问题，但误报率令人头痛；豆包的图像分析则让我意外惊喜。整个组合的总花费为800元，处理的Token达到900亿。以下是我在使用过程中的一些经验和教训。

GLM-5.3 Flash是这一过程中让我又爱又恨的工具。首先，令人满意的是，在智谱的活动期间，我用800元运行了900亿Token，这个量级按Claude或GPT的API计算，至少需要五位数的费用。而GLM-5.3 Flash的定价为其10分之一，促销期间甚至只有20分之一。每百万Token的费用仅为0.10美元，而GLM-5.3则为0.90美元。这使得它在编程执行中的表现绝对值回票价，我将Kimi的设计任务拆分，利用多个子智能体并行执行，效率极高。

然而，GLM-5.3 Flash的问题也非常突出。首先，它的推理速度不稳定，在OpenRouter上使用时，吞吐量每秒波动在4到60个Token之间，常常导致日常编码过程过于缓慢。有一次，我让它修改Kotlin微服务的请求限制，一个几分钟能完成的任务却因为不断的推理循环消耗了81.3万Token，结果什么都没完成。其次，长时间会话会导致其性能退化。我在使用多个智能体进行编码时，跑了几个小时后，它开始输出重复的低熵内容，这种情况并非个别，多位开发者也在HuggingFace和GitHub上反映了类似的问题。最后，GLM-5.3 Flash在UI设计方面表现不佳。尽管有人在社区中尝试用它进行前端设计，但结果总是 bugs 多、细节缺乏。我亲自验证后发现，按照Kimi的设计稿生成的组件在可用性上勉强过关，然而美观程度严重下降。为了应对这些问题，我决定给GLM-5.3 Flash的会话设定时间上限，控制在两小时以内，并尽量将每次任务拆分为较小的部分来处理。

在代码审计环节，我起初打算让GLM自行审查，逻辑上似乎可行，然而经过两周的使用后，我改变了主意。GLM-5.3 Flash在长会话中的性能退化意味着它无法有效审查自己写的代码。我引入了DeepSeek V4.1 Flash进行审计。利用WorkBuddy和Trae的免费额度，我发现它确实能有效识别问题。我故意在测试代码中设置了一些典型漏洞，DeepSeek成功找出了这些问题并给出了具体修复建议。相关研究数据表明，DeepSeek在漏洞检测方面表现出色，F1分数远高于其前身。然而，误报率是一个真实问题，很多正常的代码也会被标记为潜在风险。审计提示的表达方式显得尤为重要，我使用了：“你是一个安全专家，分析以下代码是否存在安全漏洞，并详细说明漏洞类型、触发条件与修复建议，只报告确定存在问题的地方。”最后一句的设置能有效过滤掉不少低置信度的误报。

豆包在这个组合中的角色最轻松，负责图像分析、照片点评及视频生成。最初我并未抱太高期待，尽管字节的多模态能力相对强大，但与GPT-6 Astra和Gemini 3.7相比仍有差距。实际使用中，豆包在照片分析与点评方面表现出色。我上传的一组风景摄影照片，豆包顺利分析了构图和色彩，为我提供了高质量的点评，这让我感到非常满意。