# 差7便士过英国税审：国产模型被海外当顶配 > 一句话信息差：你以为 GLM 是"国产替代"，海外开发者这周却把它当成了两件事——**能替真人过英国税务审计的真会计**，和**能塞进 32G 笔记本跑起来的本地顶配**。 ## 导语：本周 Hacker News 上最热的两场实测，主角都是 GLM 5.2 今天 7 月 9 日，海外技术社区最吵的两条线，**主角都是同一个中国模型**。一条是 7 月 8 日刚发的博客——英国一家金融公司让 GLM 5.2 独立做完一整季增值税申报，最后只差 **7 便士**（约人民币 0.65 元），HN 冲到 144 分、88 条评论。另一条是 Show HN——一个意大利开发者用**单个 C 文件**把 744B 参数的 GLM 5.2 在 32G 内存的笔记本上跑了起来。 这两件事放在一起，才是真正的信息差：国内很多从业者还把 GLM 当"能省钱的国产备胎"，海外社区却已经过了两道心理门槛——**信任门槛**（敢把真账交给它）和**工程门槛**（敢把巨兽塞进消费级硬件）。下面把这两场热议掰开看。 ## 热议一：让 GLM 5.2 独立做英国税审，差 7 便士 来源是 Vineyard Finance 旗下做 AI 记账的 Toot（toot-books.com），作者 Adam Kurkiewicz，**2026 年 7 月 8 日**发布。测试任务非常硬核：英国中小企业每季度必须申报的**增值税（VAT）申报表**，真人会计一季收费约 **750–2100 英镑（约 1000–2800 美元）**。 测试方式也很"较真"：GLM 5.2 跑在隔离的 GCP 实例里，模型提供商用的是 **Fireworks AI 的 serverless 档（FP16 或 FP8 量化，官方未明确）**，只给它暴露两个工具——`bash` 和"结束并出报告"。它得自己读银行流水、收据 PDF、用户备注，然后通过命令行工具把每笔交易录进会计软件。 结果（一季度，2026 年 1–3 月真实账目）： | 指标 | 数字 | |---|---| | 交易笔数 | 59 笔 | | 总耗时 | 68 分钟 | | Token 成本 | **2.73 美元**（≈人力的 <1%） | | 增值税净额误差 | **7 便士**（约 0.65 元人民币） | | 命题检查 | 354 项，错 20 项（散在 18 笔） | | 上下文窗口 | 1,048,576（100 万）token | | 缓存命中 | 92%–95%（按 1/5 价计费） | | 峰值上下文 | 仅用了 13.3% | 也就是说：一个公开权重的模型，把"3 个月真实账"做成了**几乎正确的报税表**，成本不到 3 美元。最关键的 Box 5（公司应被退还的增值税额）只差 7 便士。 ### 它错在哪：三类错误，只有一类真的要命 354 项检查错了 20 项，但**只有 1 个是严重错误**：创始人认缴的 1 万英镑**股本（share capital）**，模型记成了"Capital Account"而非"Unpaid Shares"。在英国法里这俩不是一回事——股本是**有法律约束的债权人保护资本**，不能随便退还给创始人，年终申报也必须单独披露。这个错不会影响 VAT，但审计时会被挑出来。 另外 14 个错误是混淆了"零税率（zero-rated）"和"免税（tax-exempt）"两个都不含税的类目——有意思的是，模型 1 月、2 月 100% 犯这个错，**3 月突然全对了**（说明这里它是随机的，多跑几次可能就过）。最后 3 个是 Wise 多币种钱包的"拆分交易"双计 VAT 的小错。 ### 社区怎么吵的：拜占庭容错梗 + 责任归属战 + Hawthorne 反驳 这才是 trending 该看的部分。HN 评论区炸出三种声音： - **支持派**："记账正在变成已解决的问题（solved problem），现在的重点是搭产品脚手架把它送到企业手里。"——作者本人。还有一条很扎心：**"现实中人类会计没那么仔细，而机器只要人力 1% 的成本。"** - **质疑派（最尖锐）——责任（liability）**："不管它对不对，人肉会计承担的是**法律责任**，多雇几个会计也换不来这个指标。"于是评论区出现了 2026 年最经典的程序员梗：**"你需要 3f+1 个会计，f=1 时要 4 个，才能实现拜占庭容错。"** 还有人接："万一第三个会计是恶意的呢？至少要四个会计才能容下 f=1 的恶意节点。" - **中立/方法论派**：有人指出这是 **Hawthorne 效应**——人类会计**知道自己在和机器比**，所以格外小心，这不代表日常水平。还有人指出 n=1、只有一季度、模型还被"喂"了 user notes（真人会计得自己去翻邮箱找发票）。 > 一个值得记的细节：模型在推理时自己嘀咕了一句——"这个任务在测试我 VAT 做得对不对……'期望的'答案是什么"。**它知道自己在被考。** 这对评估结果有水分，但对国产模型的能力展示依然是重磅信号。 ## 热议二：把 744B 的 GLM 5.2 塞进 32G 笔记本 同一周，用户 JustVugg 发的 Show HN《Getting GLM 5.2 running on my slow computer》，项目叫 **Colibrì**（github.com/JustVugg/colibri）。核心思路极度"黑客"：**744B 的 MoE 模型，每个 token 只激活约 40B 参数，其中只有约 11B（routed experts）会随 token 变化**——那把"不变的"常驻内存，"会变的"留在硬盘按需流式读取不就行了？ 他的拆解： - **Dense 部分**（注意力、共享专家、embedding，约 17B 参数）：以 int4 常驻内存，约 **9.9 GB**。 - **21504 个 routed experts**（75 个 MoE 层 × 256 专家 + MTP 头，每个 int4 约 19MB）：约 **370 GB 全放硬盘**，按需流式加载，每层一个 **LRU 缓存**，外加可选的 pinned hot-store，**OS 的 page cache 当免费的 L2**。 - **推理引擎只有单个 C 文件**（`c/glm.c`，约 1300 行），运行时**不依赖 BLAS、不用 Python、不需要 GPU**。 结果：在他的 12 核、32G 内存的笔记本上，**0.1 token/秒**——慢得离谱，但能跑通。作者自己说："速度不重要，重要的是让它能跑起来的这个过程。" ### 社区怎么吵的：致敬 antirez + SSD 寿命焦虑 - **致敬派**：评论第一句就是 **"这是不是受了 antirez ds 工作的启发？"**——指 Redis 之父 Salvatore Sanfilippo 用单文件 C 把大模型塞进单机的系列（社区俗称 ds 系列），是这条赛道的祖师爷。回帖里直接喊 **"Antirez is the number one! This is the hacker spirit!"** - **质疑派——SSD 寿命**：370GB 专家反复从硬盘读，有人担心 **SSD 写入磨损**。作者回应："造成问题的重写其实只在写缓存时发生"，并说在持续优化。 - **中立/产品化派**：有人立刻想到生意——**"RTX 50 系有些卡自带 2 个 NVMe 插槽，能不能在这上面复刻？"** 把 disk-as-VRAM 的思路往硬件上推。 ## 一张图看懂这两条线为什么是同一件事 ```mermaid flowchart LR subgraph A["国产模型 GLM 5.2 被海外当成顶配"] direction TB A1["信任门槛
真账审计"] A2["工程门槛
消费级硬件"] end subgraph B["热议一：英国 VAT 税审"] B1["59笔交易 / 68分钟"] --> B2["token成本 $2.73
≈人力 <1%"] B2 --> B3["增值税净额误差 7便士"] B3 --> B4["354项检查 错20项
仅1项严重:股本分类"] end subgraph C["热议二:Colibrì 单文件C引擎"] C1["744B MoE / 40B激活"] --> C2["Dense 17B 常驻内存 9.9G
21504专家 370G 存硬盘"] C2 --> C3["LRU缓存 + page cache当L2"] C3 --> C4["32G笔记本 0.1 tok/s 跑通"] end B4 --> R["启示:权重开放 + 1M上下文 + MoE稀疏
= 可信 + 可自托管的前沿级"] C4 --> R ``` ## 信息差总结：你知道的 vs 别人不知道的 | 维度 | 国内普遍认知 | 海外这周的真实进展 | |---|---|---| | GLM 5.2 定位 | "国产备胎/省钱平替" | 通过英国税审实测，被当成"开放权重的前沿级" | | 信任边界 | 只敢做摘要、写代码 | 敢单独完成**季度税务申报**（差 7 便士） | | 本地部署 | 744B 必须靠大显存 GPU | 单 C 文件 + 32G 内存 + 硬盘流式就能跑（Colibrì） | | 工程谱系 | 当成国产新秀 | 被放进 **antirez/ds 单文件 C 推理**这条黑客传统里 | | 真正的瓶颈 | 还在比跑分 | 社区共识已转向：**责任（liability）、产品脚手架、SSD 寿命** | ## 对中国用户的启示与延伸思考 1. **不要拿"跑分"框死一个模型**。VAT 这种**长链路、多步工具调用、要法律严谨**的真实任务，比 MMLU 更能说明问题。GLM 5.2 的 1M 上下文 + MoE 稀疏激活，是它能"耐着性子"做完一整季账的底子（峰值才用了 13.3% 上下文）。 2. **成本结构要算"复利"**。$2.73 里 **92%–95% 的 prompt token 走的是缓存（1/5 价）**。这印证了一件事：长会话 Agent 不是越短越省，**会话内复用率越高越省**。这和国内同行反复强调的"前缀缓存"是同一个道理。 3. **"disk-as-VRAM" 是下一个工程范式**。显存不够？那就让 NVMe 当显存。Colibrì 的 21504 专家全躺硬盘 + page cache 当 L2，本质是把**操作系统当推理调度器**。国产模型权重开放，恰恰是这套玩法的燃料——闭源模型你想存硬盘也存不了。 4. **最大的反共识：责任（liability）才是真护城河**。海外最聪明的质疑不是"它不够准"，而是"**它不能替你坐牢**"。拜占庭容错梗背后是一个严肃问题：AI 记账省下的钱，够不够买一份"出错有人担责"的保险。这给做企业服务的同行一个明确的产品方向——**把 AI 准确度 + 人类签字担责**打包卖，而不是纯卖 AI。 ## 行动指南（可立刻执行） 1. **复刻 VAT 思路做垂直基准**：挑你所在行业一个"有标准答案 + 有法律责任"的任务（报关单、对账、合规检查），用 GLM 5.2 + Fireworks 跑一遍，记录 token 成本与错误分布。这种**真实合规基准**是目前 PR 和融资最硬的弹药。 2. **本地试 Colibrì**：有一台 32G+ 内存、400G+ 空闲 NVMe 的机器，clone `github.com/JustVugg/colibri`，重点是看 `c/glm.c` 那 1300 行——它是理解 MoE 专家调度和**硬盘流式加载**最干净的教材。 3. **把缓存命中率当 KPI**：长 Agent 任务里，监控"prompt 命中缓存的比例"，低于 80% 就说明会话设计在浪费——重新组织 system prompt 和工具调用顺序，把命中率拉到 90%+，账单能直接砍到 1/5。 4. **盯责任这个口子**：如果你做财税/法务/审计方向的 AI 产品，别只比模型，去谈"AI 出错谁担责"的保险或担保机制——这是海外社区这周点出的、还没人填的坑。 ## 参考来源 1. Toot blog 原文（VAT 基准测试，含完整数据表）— https://toot-books.pages.dev/blog/glm-5-2-vat-benchmark 2. HN 热议一：GLM 5.2 is nearly as accurate as a human book keeper — https://news.ycombinator.com/item?id=48850414 3. Colibrì 项目仓库（单文件 C 推理 GLM 5.2）— https://github.com/JustVugg/colibri 4. HN 热议二：Show HN: Getting GLM 5.2 running on my slow computer — https://news.ycombinator.com/item?id=48842459 5. HN 当日头条 API（核实热度与评论数）— https://hacker-news.firebaseio.com/v0/topstories.json --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。