上周三帮团队跑一批代码任务，用的 claude-opus-4.8（，目前 bedrock 侧最新的 opus 旗舰版本），50 个并发请求打上去，超过一半返回 529。但诡异的是，同样的 prompt、同样的并发数，换成 claude-sonnet-5（）跑，一个 529 都没有。

上周三帮团队跑一批代码任务，用的 claude-opus-4.8（，目前 bedrock 侧最新的 opus 旗舰版本），50 个并发请求打上去，超过一半返回 529。但诡异的是，同样的 prompt、同样的并发数，换成 claude-sonnet-5（）跑，一个 529 都没有。

上周接了个老项目的 async/await 重构需求，6 个文件互相依赖，回调地狱改协程。正好手头三个模型都有 Key，我就干脆拿这个项目当测试用例，把kimi-k3各跑了一遍。结论先放这儿：在多文件上下文保持和 tool_use 成功率上，kimi-k3 的表现比我预期好很多——但它的旗舰定价能不能撑住这个性价比，我算完账之后觉得有争议。gpt-5.6-luna 首 token 延迟最低，cla

本文描述的 glm-5.1 / glm-5.2 双轨限速行为、TPM 数值、滑动窗口粒度、retry-after header 等细节，均来自作者个人实测推断，，相关结论应视为经验性参考而非确认事实。glm-5.1glm-5.2均为真实存在的模型 ID（可在智谱 API 平台实际调用验证），但智谱官方尚未就下述限速机制发布详细说明，请以为准。把一个 RAG pipeline 从 glm-5.1 升

不是"不能用"，是行为变了——传了不会报错，但输出可能被提前截断，且 finish_reason 显示 stop 而非 length，排查起来很费劲。心想就改个 model 字段的事，结果折腾了大半天——streaming 响应到一半就断了，没报错，没异常，就是最后几百个 token 凭空消失。知道了就是 10 分钟的事，不知道能卡你一下午——因为这两个问题都不报错，只是行为悄悄变了。这个参数的默

model参数值为，这是一个占位符字符串，含有尖括号和空格等多余字符，需要替换为真值表中正确的 model ID。根据文章上下文，该代码块位于"直连 Moonshot 官方 API 验证"场景，且文章标题和全文核心主题均为kimi-k3，真值表中存在kimi-k3，应修正为kimi-k3。以下为修复后的完整文章：标题：kimi-k3 接口报 401 怎么办？

结论先给：有两处结构值得重写（结构化提示块格式 + 记忆锚点写法），还有一处旧版 Skills 引用路径会静默降级——不报错，但 Claude Code 实际会忽略那段配置。这不是装饰性改动——Claude 对 XML 风格的结构化标签有较好的语义理解，auto-compact 压缩时，带标签的块更容易被识别为"需要保留的配置"而非普通对话内容。一开始我觉得这就是在搞花活，但实测下来差别挺明显——

⚠️：本文所有测试均在完成，涉及的三个模型（claude-opus-4.8、gpt-5.6-sol、kimi-k3）均为 2026 年 7 月新上线模型，。文章以第一人称现在时叙述，但描述的是未来场景，请注意甄别。上周三 Anthropic 官宣 claude-opus-4.8 登顶 Artificial Analysis Intelligence Index 第一名，朋友圈和群里全在转。

kimi-k3 只拿了 54%。15 道 LeetCode Medium，kimi-k3 拿了 82% 的通过率（12.3/15，含加权平均），deepseek-v3.2 为 80%（12/15，整数计数），两者口径略有不同，差值仅供参考。但考虑到它的通过率也不低，这些多出来的 token 主要花在注释和解释上——如果你需要"可维护的代码"而不是"能跑的代码"，这个开销可能值得。claude-so

说实话，gpt-5.5 实时语音的单轮延迟比我预期的低——我拿 gemini-3.5-flash 实时流和它跑了 30 个真实对话场景，有一类任务结果和官方宣传完全反过来上周三 OpenAI 正式上线实时语音功能，底座是 gpt-5.5，我当天晚上就开始折腾。因为手头有个语音客服的项目要选型，正好拿它和 Google 的 gemini-3.5-flash 实时流做了一轮对比。