从 DeepSeek V4 Pro 迁到 Muse Spark Open 或 GLM-5.3，那行关闭思考的参数得先删掉

智谱给 GLM-5.3 写的接入文档里，有一段留给老用户的迁移提示：从 GLM-5.2 切过来之前，请求里凡是把 thinking.type 设成 disabled 的，要改成 enabled，再把 reasoning_effort 调到 low，不改的话请求会直接失败。

这段话表面上写给智谱自家用户，从 DeepSeek V4 Pro 往外搬的人一样绕不过去。DeepSeek 的价格页至今写着 V4 Pro 支持思考和非思考两种模式，默认思考。做批量分类、字段抽取、日志打标签的流水线，很多就是靠关掉思考换来又短又快的回答。

10 月 15 日 Meta 放出的 Muse Spark Open，没有这个开关。Hugging Face 的发布博客写得很直接：推理不能关闭，档位只有 low、medium、high、xhigh 四级，默认 xhigh。GLM-5.3 也一样，默认档是 max。

三个都叫开放权重，能关思考的只剩一个。

换掉 V4 Pro 时，要改的不止那一行

思考开关只是第一处。往下数，迁移清单上至少还有三处要动。

第一处是上下文。Muse Spark Open 标称 1M 上下文，可接入方各自设了上限：VentureBeat 核对过，Fireworks 给的是 1,048,576，Groq 的预览端点只开到 131,072。在 V4 Pro 上能一次塞进整个仓库的请求，换到 Groq 会被截掉八成多。选哪个托管方，比选哪个模型更早决定你的提示词能写多长。

第二处是缓存。Together AI 给 Muse Spark Open 的价格是输入 1.25 美元、缓存命中 0.15 美元、输出 4.25 美元（每百万 token）。缓存只打了 88% 的折。V4 Pro 在 DeepSeek 官方是 97% 的折扣，谷时缓存命中 0.022 美元，峰时 0.044 美元。系统提示词很长、命中率九成以上的 Agent，迁过去后缓存那一栏会涨到原来的 3 到 7 倍。GLM-5.3 的缓存命中 0.26 美元，Artificial Analysis 算出来是 81% 的折扣，三家里最浅。

第三处是协议和下载。GLM-5.3 的 API 有 OpenAI 兼容和 Anthropic Messages 两种入口，可文档注明，GLM Coding Plan 订阅用户（包括已过期的）目前只能走 OpenAI Chat Completion 协议。Muse Spark Open 要自己下权重的话，Hugging Face 的下载闸门会要你填完整法定姓名、出生日期和公司信息，提交后不能修改，数据按 Meta 隐私政策处理。

这几条，发布会上一个字都没提。

Meta 那张成绩表，对手名单里少了 DeepSeek

Meta 在模型卡里摆了八列：自家的 Muse Spark Open，加上 Inkling、Nemotron 3 Ultra、Beam、Mistral Large 4、Qwen3.8-2.4T、GLM 5.3、Kimi K3。DeepSeek V4 Pro 不在里面，当下开放权重榜第一的小米 MiMo-V2.6-Pro 也不在。

把 V4 Pro 放回来，结论反而对 Meta 有利。Artificial Analysis 智能指数 v4.3.2 上，GLM-5.3（max）45 分，排第 2；Muse Spark Open（xhigh）39 分，排第 10；V4 Pro 0813（max）36 分，排第 12。Meta 的「美国最强」压不过两家中国对手，却比 DeepSeek 的旗舰高 3 分。尴尬的是另一个数：同一份榜单上 DeepSeek 自家的 V4.1 Flash 是 39.5，和 Muse Spark Open 基本打平。

表里 Muse 和 GLM 5.3 正面对上的项目，输赢分布很有规律：

Muse 赢的是 MCP-Atlas（多服务器工具调用）和 JobBench，后者 61.8 对 61.4，几乎是平手；HLE-Diamond 无工具那一项 26.1 对 16.4，领先最明显。输的全在写代码那一侧：Terminal-Bench 2.1 差 7.5 分，DeepSWE 1.1 差 7 分，GDPval-AA v2 是 1401 对 1653。GPQA Diamond 也输，89.0 对 91.7。

Meta 自己说它「专为编程和智能体打磨」，自己的表却显示，编程是它离 GLM 最远的地方。

Kingy AI 整理的 10 月 15 日快照里还有一个更难看的数：Terminal-Bench 4.0 上 Muse Spark Open 只有 8.1，GLM-5.3 是 41.9。4.0 和 2.1 题目集不同，不能拿 8.1 和 76.4 直接比，但同一套 4.0 题里差了五倍，说明它在更新、更难的终端任务上还没站稳。

分数最低的不是最省钱的，分数最高的却最贵

上面表里最反直觉的是成本那一行。

GLM-5.3 拿了 45 分，跑一道指数题要 2.01 美元，在 41 个模型里排第 40；Muse Spark Open 39 分，每题 0.84 美元，不到 GLM 的一半。单价两者差不多，输入 1.40 对 1.25 美元，输出 4.40 对 4.25 美元，差出来的是话量：跑同一套题，GLM 吐了 2.1 亿个输出 token，Muse 只有 1.1 亿，比同类中位数 1.4 亿还少。

GLM 的啰嗦不是新问题。8 月 18 日 VentureBeat 报道 API 上线时就提过，AA 测出 5.3 比 5.2 话多，每题成本从约 0.44 美元涨到约 0.68 美元。

这里有个容易踩的坑：同一篇报道里 GLM-5.3 的智能指数是 60 分，和 Kimi K3 并列开放权重第一；现在 AA 页面上它是 45。模型没变，变的是指数版本。8 月的文章和 10 月的榜单混着引用，就会得出「GLM 掉了 15 分」这种错误结论。拿 39 去比 45 没问题，拿 39 去比 60 就是笑话。

V4 Pro 的 0.67 美元也要打个折看。AA 按 DeepSeek 峰时价 1.32 / 3.96 美元计算，峰时是北京时间工作日 9 点到 12 点、14 点到 18 点。批量任务挪到晚上和周末，单价减半，每题成本大致也就减半，三家里最便宜的位置更稳。

17.4% 的正常请求被拒

Meta 在安全那几行花了不少篇幅，数字确实漂亮。StrongREJECT v2 自适应越狱测试，Muse Spark Open 只有 0.5，GLM 5.3 是 62.9，Kimi K3 是 66.6，越低越好。FORTRESS 对抗测试的有害服从率（ARS）它是 5.8，GLM 是 28.2。

同一行的另一半很少有人转：FORTRESS 的良性过度拒答率（ORS），Muse 是 17.4，GLM 是 3.2，Kimi K3 是 2.7。

差了五倍多。

放到实际工作里，这意味着大约六分之一本来无害的请求可能被它挡回来。Kingy AI 的评测专门提醒过，正常的编程和安全类任务可能因此卡住。GLM-5.3 走的是反方向，智谱官方报的 CyberGym 是 84.5%，ExploitBench 从 5.2 的 24.4% 涨到 54.4%。做安全的团队，两家的取舍几乎是现成的；做面向未成年人或大众的客服产品，Muse 那 0.5 分反倒是卖点。顺带一提，Muse 的模型卡写明不面向 18 岁以下用户，部署方要自己评估这部分风险。

两台 Mac Studio 的那张照片，现在还复刻不了

「两台 M5 Ultra Mac Studio 就能跑」是这次传播最广的一句话。MacRumors 和 VentureBeat 都指出了一个前提：512GB 版 M5 Ultra Mac Studio 苹果还没开卖，预计 10 月下旬才上市，价格没公布。作参考，256GB 内存配 1TB 固态的 M5 Ultra 标价 10,799 美元。

能跑和好用之间还隔着上下文。Hugging Face 博客给的数：BF16 下每个 token 的 KV 缓存约 250KB，塞满 1M 上下文要约 266GB。Kingy AI 汇总的 MLX 实测里，两台 M5 Ultra 跑 NVFP4，8K 上下文时首字 8.2 秒、每秒 24.99 个 token；上下文拉到 64K，首字等了 70.3 秒，生成速度只降到 23.84。四台机器能把首字压到 40.6 秒。

一分多钟才出第一个字，交互式写代码基本不用考虑，挂在后台跑长任务还行。

反过来，没有新 Mac 也不是完全没戏。Hugging Face 博客测过一台旧的 M3 Ultra 512GB：llama.cpp 的 Q2_K 量化占 304GB，每秒约 18 个 token；MLX 的 3-bit 版本占 344GB，生成每秒约 21 个。代价是量化版需要「多一点引导」，Unsloth 也提醒，低于 UD-IQ2_S 的量化在通用任务上会明显退化。

V4 Pro 和 GLM-5.3 不打桌面这张牌。按 NVIDIA Dynamo 给的部署配方，V4 Pro 0813 的检查点约 832GiB，参考配置是一台 8 卡 H200。GLM-5.3 在 8 月 28 日放出 FP8 和 BF16 两个版本，也是机房级的东西。Muse 在 GPU 上同样不轻松：NVFP4 至少要 700GB 显存，BF16 要约 2TB，vLLM 跑 NVFP4 还要求 Blackwell 架构，手里只有 H100、H200 的团队用不上那个 4-bit 版本。

三份许可证，门槛差了五百倍

V4 Pro 是 MIT，没有附加条件。

GLM-5.3 在 8 月 14 日发布、8 月 28 日开放权重时，换了许可证。GLM-5 和 5.2 用的是 MIT，5.3 旗舰改成自定义的 GLM-5.3 License，同批的 5.3-Flash 倒还是 MIT。按 DataLearner 整理的条款，限制落在一个很高的位置：做模型即服务、连同关联方 12 个月收入超过 100 亿美元的，商用前要先过 Z.AI 的安全审查。能碰到这条线的公司，全世界数得过来。

Muse Model License 的线画在 2000 万美元。通过 API 对外提供模型服务、12 个月总收入超过这个数的，要先通知 Meta 并另签书面协议；内部使用、研究、嵌进自家产品里的功能不受限。另外两条更容易被忽略：产品界面、文档或设置页里要显著标出「Built with Muse Spark Open」；VentureBeat 读条款时注意到，「衍生模型」的定义很宽，用 Muse 的输出去改进的模型也算在内。

拿它的输出蒸馏自己的小模型，小模型也得挂这块牌子。

The New Stack 的评论是，这份许可证和月之暗面给 Kimi K3 的那份很像。对绝大多数开发者和初创公司，2000 万美元的门槛不构成障碍；对想转售推理服务的云厂商，Meta 仍然握着闸门。

短板落在三个不同的地方

Muse Spark Open：编程是自报最弱的一侧，Terminal-Bench 和 DeepSWE 都输给 GLM；良性拒答率 17.4%；本地部署的主力硬件月底才上市。Nathan Lambert 对它的评价只有一句「还有不少活要干」。

GLM-5.3：最贵，也最慢。每题 2.01 美元、每秒 66.8 个 token、首字近 3 秒，在 AA 的对比里三项都垫底；只收文本；DataLearner 整理的官方口径里，ProgramBench 只有 19 分，短算法题和难缠的仓库补丁不是它的强项。linux.do 上有人发帖问，让它写个 HTML，在 Claude Code 里怎么比网页对话慢那么多，回复里给的解释多半指向默认 max 的思考档。

DeepSeek V4 Pro：三家里分数最低，只收文本，看图要转给 Flash；版本停在 8 月中旬上线的 0813，V4.1 Pro 至今没有消息，自家 V4.1 Flash 的智能指数已经比它高；峰时段正好盖住国内的上班时间，并发上限 500。

我会留在 V4 Pro 上的三类活

关掉思考的批量活。分类、抽取、改写格式，这类任务不需要推理，Muse 和 GLM 都逼着你为思考 token 付钱，V4 Pro 的非思考模式加谷时价，账单上没有对手。

前缀很长、缓存命中率高的 Agent。97% 的缓存折扣在三家里最深，Muse 的 0.15 美元缓存价会把优势吃掉。

要 MIT 的场景，比如准备拿输出去蒸馏、或者自己要做推理服务转售的团队。

往外迁的理由也具体。输入里有截图、录屏、会议录音的，Muse 是三家里唯一原生吃这四种模态的，MCP-Atlas 89.2 在 Meta 那张表里排第一，前提是你先把那行 disabled 删掉，并给 17.4% 的拒答留好重试路径。最在意终端和仓库级编程分数、预算宽松的，GLM-5.3 在 Meta 表里的 Terminal-Bench 2.1 和 DeepSWE 1.1 都比 Muse 高 7 分上下，记得把思考档从默认的 max 往下调，账单和等待时间都会少一截。

至于两台 Mac Studio 的方案，等 512GB 版真上架、价格出来，再算值不值。

相关对比

《Muse Wonder 和 Claude Opus 5.5：标价一分不差，Meta 自己那张表里 API 版输了 9 行》

《Mistral Large 4、DeepSeek V4 Pro、Kimi K3：三家都说开源，发布那天只有一家把权重放了出来》

《Grok 4.7、Claude Opus 5.5、DeepSeek V4 Pro：和4.6同价的Grok 4.7，一道题贵了八成》