文献综述AI工具选择:DeepSeek、GLM、MiMo真实使用差异

我用它们写了一篇文献综述。

三个模型的真实差异

MiMo-V2.6-Pro：我最后用它定稿

不是因为它跑分最高，是因为它刚好把我前面踩到的三个坑都堵上了：

• 1M 上下文（实测能装下我 20 倍体量的文献池），写综述不怕撑爆
• 原生全模态——文、图、视频、音频进同一个上下文，配了 681M 参数的视觉编码器和 435M 参数的音频编码器。综述里最有价值的往往是对比表、趋势图、方法流程图，纯文本模型读 PDF 这些直接蒸发
• 幻觉倾向低。前代 MiMo-V2.5-Pro 在 AA-Omniscience 上是 25%，当时代榜上第二低。V2.6 训练里用了"Aligned RL"：对抗筛查、验证者交叉复核、让模型重写自己跑偏的推理链，官方披露的 reward hacking 轨迹压在 2% 以下

它的毛病我也得说：慢，而且话多。 约 54 token/秒，比中位数低，出第一个字要等 2 秒多；跑一次标准评测它会吐 140M 输出 token，是同类里话最多的一档。写综述时它容易给你灌水。

GLM-5.3-FlashX：我拿它铺第一轮

200 token/s，比原版 Flash 快 5 倍，100 万上下文。这个吞吐的意义在于——它是"多步任务能自动跑完"的前提。

我不用它做判断，用它做覆盖：批量读摘要、按统一字段抽成表格（作者/年份/方法/样本量/结论）、拉三级提纲、排研究脉络的时间线。这类活儿快比准重要，跑得快就能多扫一轮。

DeepSeek V4.1-Flash：我把它调去做杂活了

说实话这个结论和我一开始的预期相反——我原本以为速度最快、原生带视觉的它会是最顺手的那个。

问题在于它和综述这个任务的失败模式正好重叠。有第三方实测：给 30 页文档提炼 5 个关键点，它漏掉了后三分之一里那条"访客临时授权到期后自动回收"。这不是偶发失误，是轻量模型处理长上下文的结构性代价——注意力开销分段消化，对中段关注度天然偏低。

而综述的核心价值，恰恰就在中段：第 17 篇的对照组设计和第 4 篇的结论互相打架，你要把它们拎出来对质。漏中段，等于综述里"研究之间的对话"整块塌陷。

它该去干的是短平快的活：信息抽取、格式改写、批量打标、意图路由。这些场景里它效率确实高。

我的推荐

综述定稿：MiMo-V2.6-Pro。 理由不是分数，是它同时满足了这个任务最要命的三条——装得下、读得懂图表、编引用的倾向低。

铺初稿：GLM-5.3-FlashX。 负责覆盖率和速度。

杂活：DeepSeek V4.1-Flash。 别让它碰定稿。

一句话分工：GLM 铺初稿，MiMo 写定稿，DeepSeek 干杂活。

最后，无论用哪个，这两步不能省

一、把原文喂进去，别让它凭记忆写。 检索增强（RAG）能把幻觉压掉大约七成，是所有降幻觉手段里效果最猛的一个，比换模型管用得多。

二、引用逐条过一遍。 让模型输出"每条结论对应的原文段落"，你重点抽查支撑核心论点的那些。文献目录类事实的幻觉率在 10%–25%，这不是模型不够好，是当前架构的数学下限。

如果你在论文辅导、AI降重、数据复现、文献综述精细化打磨等方面有需求，自己拿捏不准模型用法、写作逻辑或查重标准，都可以私信我一对一沟通，帮你高效搞定学术写作难题。