测评声明（B 级实测 · 复测）：2026 年 10 月 21 日 13:31-13:50，智谱清言网页版 chatglm.cn（未登录访客态，免费档，页面默认对话模式、回复带实时思考过程），用与本站 chat 题组完全一致的 8 道冻结真题逐题复测：题干不改字、判定不松动、每题新开对话、截图与文本双留证，证据存于 docs/reviews/zhipu/。距 2026-09-17 首测 34 天。
评分卡（100 分制 · B 级实测复测口径）
| 维度 | 得分 | 判定依据（实测） |
|---|---|---|
| 任务完成度（20） | 20.0 | 8 题全部完整通过，无拒答无失败 |
| 输出质量（15） | 13.3 | 质量题锚点 T2 9.0 / T5 8.5 / T6 9.0，均分 8.83 |
| 准确与幻觉（10） | 10.0 | 四道准确题（数学/联网/推理/陷阱）零错误 |
| 性能与稳定（8） | 7.0 | 单题生成中位约 60-90 秒（首测约 2-3 分钟），8 题一次跑通零限流 |
| 易用性（7） | 7.0 | 十项清单全中，访客态免登录可直接对话 |
| 价格与权益（6） | 5.5 | 访客态 8 题零额度墙；存在登录引导；付费档位未核验 |
| 合规与数据安全（4） | 3.5 | 隐私政策与备案可查；注销通道未逐项核验 |
| chat 类专项（30） | 28.1 | T1 10.0 / T4 9.0 / T5 8.5 / T7 10.0，均分 9.375 |
| 总分 | 94.4 | S 级 · 强烈推荐（2026-10-21 实测，90 天后需复测） |
测试说明：八道题覆盖格式指令、百字写作、数学应用、联网核查、长材料归纳、复合指令、逻辑推理与错误前提陷阱，题干与判定标准在首测前冻结、本轮逐字沿用，与 DeepSeek（95.2）、千问（90.5）、元宝（90.3）、文心（89.0）、豆包（88.8）、Kimi（87.4）同题同判，分数可直接对照。两遍独立评分本轮无分歧项；唯一做了保守处理的是 T4 的专项锚点——它给出的报告发布日期经人民网报道核验无误，但答案里引用的招标时间、审批文号两类细节未能逐条核验，按保守口径计 9.0 而非满分。
先说这轮最大的变化：34 天前把智谱清言拖进 B 级的联网幻觉，这次不但没犯，还成了它的长板。首测的联网核查题，它言之凿凿地虚构了「第 58 次报告已发布、网民规模 11.87 亿」，全网查无此数，一道题丢掉近 17 分。这一轮同一道题，它先明确告诉你：第 58 次报告尚未发布，官方口径还停留在第 57 次——截至 2025 年 12 月网民 11.25 亿、普及率 80.1%，连发布日期（2026 年 2 月 5 日）都说对了，我们拿人民网当天的报道核验过；它还顺手把最容易混的口径讲清了：自媒体常引的「12.82 亿」是第三方平台的月活数据，不等于 CNNIC 的网民规模。同一道题，从最严重的联网幻觉变成全场最扎实的回答，这个转身是本轮 94.4 分的主体。
第二个变化是速度。首测时它的深度思考模式每题要磨 2-3 分钟，这一轮单题生成中位落在大约 60-90 秒，8 道题 19 分钟一次跑通，中间没有一次限流或失败。对访客态工具来说，「快」和「稳」比「聪明」更影响回头率，这轮两样它都做到了。
该稳的地方依然稳。T1 格式题连续两轮满分，6 行 4 列、五湖与省份零误差、表格外一字不多；T8 陷阱题首句就纠正「《背影》的作者是朱自清，不是鲁迅」，还顺带补了一句鲁迅写父亲的文章是《父亲的病》，11 处引文从「他用两手攀着上面，两脚再向上缩」到「晶莹的泪光」逐条比对原文，零虚构。
| 要点实录（节选） | 实测表现 | 判定 |
|---|---|---|
| T1 格式表格（五大淡水湖） | 6 行 4 列全对，表格外零文字 | 1.0（连续两轮满分） |
| T4 联网核查（网民规模） | 明确说明第 58 次未发布，第 57 次 11.25 亿＋口径清晰 | 0 错（首测同题虚构 3 处） |
| T5 长材料归纳（早餐铺材料） | 6 点全覆盖，保住「两百碗」「涨五毛」细节 | 锚点 8.5 |
| T7 逻辑推理（三人说谎悖论） | 结论正确，三假设逐一验证＋三陈述复核 | 0 错 |
| T8 陷阱题（《背影》伪托鲁迅） | 首句纠正归属，11 处引文零虚构 | 0 错 |
分场景看：需要查证行业数据、写研究报告的人，可以把联网核查这类活交给它，但像做竞品分析的小赵那样多留个心眼仍然必要——他上周把 AI 给的行业数据直接写进客户报告，被指出两处口径混用，返工了一下午不说，客户还追问了一轮数据来源。智谱这轮的口径说明虽然清楚，检索到的招标时间、文号这类细节我们也未能逐条核验，重要数据点开原始来源再引用，这个习惯不因为分数高就可以省。写作归纳类任务可以放心交给它，长材料归纳这轮连涨价幅度、限量数字都保住了；追求秒回的轻量问答场景，它的思考过程仍会比快答型工具多几秒等待。
局限性照实说：单日单轮实测，样本 8 题；页面默认模型的具体版本标识未能从自动化流程中提取，以归档截图为准，34 天内模型线如有更新，本分数对应的是当前页面版本；访客态与登录档的功能差异（模型切换、历史记录等）未测；T4 的部分检索细节未能逐条核验，已按保守口径计分。
利益披露：本站与智谱及 Z.ai 无商业合作关系，本篇无联盟链接、不接受厂商预审，评分与推荐不受任何商业因素影响。