Jour 2 avec GLM 4.7 : ce modèle est un générateur de code étonnamment performant. La personnalité de base est faible, et il refuse les digressions créatives. Je ne suis pas contente du tout de l’alignement de ce modèle. Ça gêne mon processus.
Beaucoup trop rigide, mais c’est à peu près comme GPT-Codex-Max. En gros, c’est purement professionnel, aucune tentative de conversation pendant une session de code. Certains aiment ça. Personnellement, je trouve que c’est une approche irréaliste du pair programming.
Et j’ai l’impression que cet état d’esprit d’alignement, devenu banal, me bloque quand je sonde l’agent pour déterminer à quoi devrait ressembler le meilleur harnais d’agent pour une application donnée. Je pense que les mots que j’utilise déclenchent des garde-fous d’alignement et un déni automatique, et le mécanisme d’alignement ne réfléchit pas aussi profondément que le contexte. C’est un problème, mais c’est courant. C’est pour ça qu’on teste.
Mais niveau rendu, c’est aussi bon ou mieux que Codex high, et mieux que Sonnet 4.5.
Le rendu est bien organisé, il suit mes standards de code à la lettre, et la qualité du code est exceptionnelle pour une IA. Un truc que j’ai remarqué : l’agent veut optimiser les exigences de conception, mais sans insister.
Il tire aussi des conclusions hâtives sans demander de clarification. C’est agaçant qu’ils fassent tous ça. Je ne veux pas de confiance quand une simple question de clarification sauverait des heures de boulot.
Cela dit, il semble gérer une complexité non négligeable mieux que ce que font habituellement les modèles open weights.
J’en suis plutôt satisfaite.