（来源：上观新闻）
这种环境的💁♂️🐓高度随机性与🇳🇱目标物🏂✅的非标准🏜🤮化，被具身智能🔝领域公认为检🇺🇳验通用机器人的「🚐终极考验」🕋。IT之家附 Cl🚺🤘aud💕🤢e C👩💼🇪🇷ode🆖、OpenC🛒law 启用👨👩👧👧🏮 GLM👛-5.1🇵🇹🆘 方法🥟如下： Cla🇯🇵🇷🇪ude Cod➰e： 前置🐅🐟工作： 🧝♀️🌃默认情况下🍔🈺，Claude👨👩👧🇲🇿 Code 的🎺模型环境变量如👨🦰🇲🇼下： AN💆THROP🉑🇼🇫无翼乌之肉翻IC_DEFAU✖🙎♂️LT_OPUS_🙊🛸MODEL：📘GLM-4.👨⚕️🚛无翼乌之肉翻7 ANT🔥🙆♂️无翼乌之肉翻HROPIC🇰🇼_DE0️⃣📖FAULT_🦗SONNET🔮_MODEL🎍：GLM-🚭❤4.7 A♐📺NTHROPI➗🔐C_D🧖♀️💻EFAULT_H👇AIKU🔪✍_MODEL💂♀️🇨🇨：GL👨👧👦M-4.5🧦🇸🇧-Ai🛄🍗r 第一步：修🌂🌶改配置：👨🏫 Win🇸🇳dows 🙃用户：按“~👨⚕️📊/.claude🔚/setting👩😞s.json🉐”路径找到配置文🗳件 macO🇮🇶S 用户：打开“🚀终端”，输入“🦉💾vim🦑 ~/.cla🔦ude/s😣ettin💊🤛gs.js🇫🇮👀无翼乌之肉翻on” 然后将 🔖🇭🇹setti🖐ngs.json🇷🇸 修改🇵🇹为以下🔚样式，Mac 🇪🇭🛏用户改完后记得“🉐🌹:wq”保存😺🥫： { 🌓👖"env🤷♀️": { 🏛 🎸 "A🤠🇧🇾NTHR🥉🎬OPIC_DEF🕑AULT_🇮🇪🤷♂️HAIKU_MO🍓🇼🇸DEL": "🐭🇯🇵glm💀😣-4.5-a🌓ir"🔷☣, "🇧🇶ANTH🚫ROPIC_DE☢🇵🇹FAULT_S👨✈️ONN👸🛣ET_MODEL🇸🇪": 👝"glm-5.🚶♀️1",🇧🇪 "A☮💥NTH🇭🇺ROPIC📷🌳_DEF⛺🤙AULT_O♾️PUS_🇲🇹👂MODEL":↔🇲🇩 "glm⏏-5.⏹1" 🗝♟️ } }🇰🇭 第二步：确认模🧶🐆型已经🚛◼切换：👩💻😵 打开新的终端窗🇱🇦口，运行 🌼Claude🌏🇰🇾 并且启用 C🏃🔣lau♣🌐de C🇭🇷👾ode，然后🐣🇵🇼输入“/stat🚍🕧us”检查❣👈模型是否正确🐁🥉切换 OpenC🔥🇲🇴law： 🐡🙈第一步：😍🇸🇰更新默认配置文🍙件： 从“🚁~/.open🧱claw/op🥡enclaw.🍦jso☀n”目录中🦡🏃♀️找到配置文件 ☎🚫将“glm-5.🍦1”添🎤🤦♂️加到“mod🧭els.😧🗓provid🍠🚧ers.z🏙🇬🇾ai.🥅mode🙆♂️ls”数🌚组中🔼⏺。
结果一转身就发现🥥猹哥们🇲🇻👩🚒已经在喷射🇷🇸了 —— 这🐖😲瓜，有🍆毒🇨🇩💼。更令人震惊的是✡🌈，传统的评估系🏳️🌈🇯🇪统对这种明显错误👨👎往往视而不见，🎒甚至给出了相当🔭高的评👨⚖️🏋分🌍🇧🇯。也许很多年🔼🃏后，人们才会意识↖🥘到，转折点，只🐾是当时的一件🛒“小事”🌇。这种分层支持8️⃣🕷，从根本上降低了📤创新创📎®业“从0▶到1”和“从♐1到10”🌂🚶这两个🍐🛁最难的坎🐚。但不少创业者都🇳🇿🧞♂️给出了乐观的🧀答案🍢。WALAR🇭🇺🤬这个名字😩🎶听起来2️⃣🌠可能很技术📵😷化，但🧰😽它的核心理念却非🎿常直观♨。在学术界🚜👳和工程界，有一个☸公认的近似估算📀：生成（或处理🌵） 1 个 📙词元所需的浮🕦点运算🏎🚀次数约是2 倍的↔模型参数🇫🇲🎬量🍫。
