这两天有个很神奇的现象，就是有两个从来不碰A股的小伙伴，竟然跑过来问我——“现在上车A股还有机会吗？”

放心吧，我当然不可能在这里回答这个问题的，否则就你懂的。

今天这篇文章不是讨论A股的。而是我无意间发现，今天有一家国产大模型厂商也疯狂了——

1

意思就是说，你现在打开智谱开放平台（bigmodel.cn），能直接领取「1亿tokens」。

好家伙，真是双喜临门啊。

在股市上刚收获了一波现金，又收获了一波大模型Tokens，而且直接就是一个小目标。

而且重点是，这可是能消费GLM-4-Plus（最强旗舰大模型）的1亿 Tokens！

要知道，GLM-4-Plus可是现在，离o1最近的国产模型。在国内最新的9月份大模型综合能力评测SuperBench榜单中，GLM-4-Plus杀进了全球前三，且是其中唯一的中国模型。

尤其是GLM-4-Plus的推理能力，实测非常强，你把它当做一个“入门版的o1”去用的话，不仅不会觉得拉胯，甚至会觉得性价比极高。

众所周知，o1在回答问题前的一顿思维链输出，对用户来说情绪价值是直接拉满了，像极了一个卖力干活的打工人。

为了让GLM-4-Plus的回答风格看起来更像o1一些，你可以在sysprompt里内置这么一段：

请在回答前，输出完整的思维链，思维链内容的每一行都要用markdown引用符号"> "开头。

然后我们拿一道互联网人都懂的A/B Test实验计算统计显著性的题目测试下：

好家伙，这思维链也搞的太详细了，以至于思维链之后，好像没啥可讲的了。而且计算完全正确。

当然，你也可以进一步调整sysprompt来优化它的输出结构，但这样意义不大。

我又仔细想了一下，上面这个统计显著性检验的题目，可能不是能很好的考验模型是不是有真正强大的逻辑推理能力。因为这种统计显著性检验的知识，大概率在互联网语料中学习过很多次。

为此，我弄了一道完全依赖现场推理计算的题目，而且细节非常多，很变态。

题目：水果热量计算

你正在设计一个健康食谱，目标是通过搭配不同水果的组合，使总热量保持在 290~310 千卡 之间。以下是可以使用的水果列表及其每 100 克的热量：

苹果：52 千卡

香蕉：89 千卡

橙子：47 千卡

猕猴桃：61 千卡

草莓：32 千卡

蓝莓：57 千卡

要求：

你必须至少选择 三种不同的水果。

每种水果的使用量在 100 克到300 克 之间，并且以 50 克为单位 增加。

你需要解释你是如何一步步调整水果组合，使得总热量达到目标区间。

如果总热量超过目标区间，你需要减少某些水果的使用量，并解释为什么选择减少这些水果。

请计算最终组合的总热量，并展示每种水果的具体克数。

注意：你的答案不应只是简单的枚举所有可能组合，而应展示你如何有步骤地调整并优化水果组合，使其符合要求。

我测了下，果然这道题的难度非常大，我跑了下国内主流的ChatBot产品，发现大部分都翻车了。

其中有一个Bot的回答非常离谱（已打码）：

竟然跑出来了2万多千卡的组合，好家伙，这是改成水果增肥套餐了？

接下来，我们把这道变态题，交给国产模型中推理能力最接近o1的GLM-4-Plus模型：

配上前文提到的sysprompt，好家伙，整个计算过程真是满满的o1的味儿了。

我仔细check了下，这个计算过程和计算结果完全正确。我甚至仔细精读了下思维链的第3-6步，发现其确实是像人一样在不断调整试错。可以说是非常牛逼了。

当然，拿GLM-4-Plus去跟o1去比不公平，因为o1可以看做一个专门训练的理科偏才生，而GLM-4-Plus则是一个全才，在非理科类问题上表现也非常强。

这确实是国内为数不多的，不仅榜单排名非常靠前（全球前三），而且实测体感也完全配得上这个榜单名次的大模型。

这也是我推荐这个模型的原因。

因为这可是一个超强模型的1亿Tokens！薅这模型羊毛的爽度丝毫不亚于A股暴涨。

此外，笔者看了下活动，发现不止是送1亿 Tokens，还有一个有意思的“国庆月（2024.10.1~2024.10.31）API打骨折”的活动。

好家伙，就在别家把“入门款模型”朝着免费去卷的时候，智谱已经把自家的旗舰模型朝着免费开卷了。

需要强调的是，这个力度相当A股的活动，10月底截止，别错过时间窗口。

文章来源于“ 夕小瑶科技说”，作者“夕小瑶编辑部”