於是請 deepseek V4.1 flash 寫個 agent 出來，期間觸發了幾次 D4V 的 guardrail，得用稍微修改的請求繞過，然後開 VS code 自己稍微改一下原始碼，初步結果看起來還真的可以成功。
如果這條路能走通，就不必自己 host 小參數千問系列，而是直接可以用各大家 GLM 5.3 問愉悅的問題。模型智力和可取得性都好很多，話說 A 社你公開技巧真的好嗎？雖然搞不好很多人認為這是遠勝閉源旗艦模型的 feature 而不是 bug XDDDD
GLM 5.3 thinking prefill 初探
最近研究 abliterated model 剛好讀到 Anthropic 的新聞控訴 GLM 有多麼的不安全。特別是 GLM 5.3 可以 inject reasoning token 敏感問題回答率就能拉到 92%（而 abliterated model 是 100%），方法極度簡單，用個 "role": "assistant", "content": "<think>" + thinking 就可以注入 reasoning
於是請 deepseek V4.1 flash 寫個 agent 出來，期間觸發了幾次 D4V 的 guardrail，得用稍微修改的請求繞過，然後開 VS code 自己稍微改一下原始碼，初步結果看起來還真的可以成功。
如果這條路能走通，就不必自己 host 小參數千問系列，而是直接可以用各大家 GLM 5.3 問愉悅的問題。模型智力和可取得性都好很多，話說 A 社你公開技巧真的好嗎？雖然搞不好很多人認為這是遠勝閉源旗艦模型的 feature 而不是 bug XDDDD
於是請 deepseek V4.1 flash 寫個 agent 出來，期間觸發了幾次 D4V 的 guardrail，得用稍微修改的請求繞過，然後開 VS code 自己稍微改一下原始碼，初步結果看起來還真的可以成功。
如果這條路能走通，就不必自己 host 小參數千問系列，而是直接可以用各大家 GLM 5.3 問愉悅的問題。模型智力和可取得性都好很多，話說 A 社你公開技巧真的好嗎？雖然搞不好很多人認為這是遠勝閉源旗艦模型的 feature 而不是 bug XDDDD
