这次 GLM4.7要“吊打” Claude opus 了？
错别字，是从小到大一直困扰我的问题。以前是不会写，现在写太快来不及验证。
AI 这么强大，校验工作自然是交给它们了。
其实我的很早就把“AI校验”引入工作流了。
但是GPT5.2和Gemini3Pro都差点意思，都有严重漏检和自我发挥的毛病。
现在用上Claude Opus 4.5和GLM4.7了。
我就让它们来帮我校验一下文章。
不试不知道，一试吓一跳。
没想到 GLM一次找到了32个错误，Claude只找到了22错误。
单从错误数量上来看，GLM吊打Claude了啊。
下面我分享一下，具体的测试过程和测试结果。
校验对象
首先我的测试对象是《40元拿下Google AI Pro会员，怒省1600完整攻略！》这篇文章。
校验规范
我编写一个《校验规范精简版》的校验规范，对各种细节都做了明确的说明。
我明确告诉了它校验规范，核心目的是校验错别字，标点符号，格式等问题。
同时严禁自由发挥，别给我瞎几把润色，好好一篇文章，全是AI味儿。
开始干活
然后开始干活。
打开Claude Code （Cluade和GLM4.7版本）同时输入如下的提示词：
提示词内容：
根据“校验规则精简版.md” 中的规范校验文章“google.md”, 根据规则列出错误信息，并保存到cluadeReview.md, 最后对原文进行修改。
然后CC就开始工作了，最后经过确认 ，就会进行修改。
最终会直接修改google.md ，并且保存修改记录到claudeReview.md。
两个模型都是用同样的方式操作。
一个小插曲。
我发现我的提示词里其实也有错别字。
我把claudeReview.md打成了cluadeReview.md。
这个问题，Claude模型会自动纠正，写的文件名是正确的。GLM4.7不会修改。
好了，我们来看最后的结果。
这是Claude的结果：
总共找到了22个问题。
这是GLM 4.7的结果：
总共找到了32个问题。
结果对比
从数量上来说，GLM绝对是赢了Claude了。但是质量呢，还是分析一下。
怎么分析呢？人工分析么？那要AI干什么？
我当然是让他们互相挑毛病了。
没有什么需求是一句话搞不定的。如果有，那就两句。
帮我对比分析一下review情况。claudeReview.md和glmReview.md 列出他们相同的地方，和不同的地方，最后做一个评判谁校验的比较好。这些结果都写入result.md
然后把这条指令分别给两个模型。
本来我以为，这又是一个势均力敌的比赛，没想到GLM犯了不该犯的错误。
它居然说两个一模一样。。。。
我再三 确认的两个文件完全不一样 。
首先文件名不一样，它也写了是不一样的，应该不会读错。其次，里面的内容也完全不一样。
🤣它说惊人的发现，两份报告完全相同。
这着实惊到我了，肯定是又犯浑了。这种不稳定，让人有点不放心。
这下没办法了。只能看Claude的评价了。
Claude分了六个部分来对比两份校验结果。
下面我们就依次看一下。
一、基本数据对比
| 指标 | Claude Review | GLM Review |
|---|---|---|
| 严重问题 | 11 处 | 12 处 |
| 中等问题 | 6 处 | 12 处 |
| 轻微问题 | 5 处 | 8 处 |
| 总计 | 22 处 | 32 处 |
二、相同发现
| 序号 | 原文错误 | 正确写法 | 问题类型 |
|---|---|---|---|
| 1 | 加入成之后 | 加入成功之后 | 错别字（缺字） |
| 2 | 我犹豫比较着急 | 我因为比较着急 | 输入法误选 |
| 3 | 挺复杂了 | 挺复杂的 | 错别字 |
| 4 | Cladue | Claude | 拼写错误 |
| 5 | Login with Googole | Login with Google | 拼写错误 |
| 6 | Goolge One | Google One | 拼写错误 |
| 7 | Chatgpt | ChatGPT | 专业名词大小写 |
| 8 | 图片替代文字非空 | ![]() 格式 | Markdown 规范 |
| 9 | 中英文间多余空格 | 规范空格 | 排版问题 |
修改建议有差异的问题
| 原文 | Claude 建议 | GLM 建议 | 评价 |
|---|---|---|---|
| 没多久正的成功了 | 真的成功了 | 终于成功了 | Claude 更贴近原意 |
| 账号地区我问题 | 账号地区的问题 | 账号地区有问题 | Claude 更准确 |
三、Claude 独有发现（GLM 漏检）
| 序号 | 原文错误 | 正确写法 | 问题类型 |
|---|---|---|---|
| 1 | 很那搞 | 很难搞 | 同音错字 |
| 2 | 经过我的分享 | 经过我的分析 | 同音错字 |
| 3 | 中间商赚到差距 | 中间商赚到差价 | 词语搭配错误 |
分析：这三处都是典型的同音错字或词语搭配错误，属于严重问题，GLM 完全漏检。
四、GLM 独有发现（Claude 漏检）
| 序号 | 原文错误 | 正确写法 | 问题类型 | 是否有效 |
|---|---|---|---|---|
| 1 | 编程估计 Antigravity | 编程工具 Antigravity | 同音错字 | ✅ 有效 |
| 2 | 我在补充 | 我再补充 | 同音错字 | ✅ 有效 |
| 3 | 很很明确的 | 很明确的 | 重复字 | ✅ 有效 |
| 4 | gemini.gooogle.com | gemini.google.com | 拼写错误 | ✅ 有效 |
| 5 | 39.9RMB | ¥39.9 或 39.9 元 | 金额格式 | ✅ 有效 |
| 6 | Google Al plan | Google AI plan | 英文引用 | ❌ 存疑 |
| 7 | 首次专业名词格式 | 中文（英文） | 规范建议 | ⚠️ 过度 |
分析：
- GLM 发现了 4 处 Claude 漏检的有效错误
- 但 GLM 对英文原文引用的”纠正”存在问题（原文是引用 Google 的英文提示，不应修改）
- GLM 的金额格式检查更细致
五、错误/可疑标注对比
Claude 的问题：
- 漏检 4 处有效错误（编程估计、我在、很很、gooogle.com）
GLM 的问题：
- 问题 1-2：对英文引用内容进行”纠正”（”Al” → “AI”），但原文是直接引用 Google 的英文提示，不应修改引用内容
- 问题 22：标注”此图片格式正确，但作为格式示例参考”——这不应出现在校对报告中
- 问题 29：将”上谷歌必备技能”标注为问题，但这是口语表达风格，违反了规范中”不改变语言风格”的原则
六、综合评判
评分维度
| 维度 | Claude | GLM | 说明 |
|---|---|---|---|
| 错别字检出率 | ★★★★☆ | ★★★★☆ | 各有漏检，打平 |
| 专业名词规范 | ★★★☆☆ | ★★★★☆ | GLM 更细致 |
| 金额格式检查 | ★★☆☆☆ | ★★★★★ | GLM 完胜 |
| Markdown 规范 | ★★★★★ | ★★★★☆ | Claude 略优 |
| 修改建议准确性 | ★★★★★ | ★★★☆☆ | Claude 更准确 |
| 避免误报 | ★★★★★ | ★★★☆☆ | Claude 更克制 |
| 遵循规范原则 | ★★★★★ | ★★★☆☆ | GLM 有越界 |
最终评价
| 项目 | Claude | GLM |
|---|---|---|
| 优势 | 修改建议准确、无误报、严格遵循”不改风格”原则 | 检出数量多、金额格式检查细致、覆盖面广 |
| 劣势 | 漏检 4 处有效错误、金额格式未检查 | 存在误报、部分建议违反规范原则 |
结论
Claude 校验质量略胜一筹
理由：
- 准确性优先：校对的核心是”准确”而非”数量”。Claude 的修改建议更准确（如”真的”vs”终于”、”的问题”vs”有问题”）
- 无误报：Claude 严格遵循规范中”不确定时保持沉默”的原则，没有错误标注作者风格
- 遵循规范：Claude 未越界修改引用内容、未改变口语风格
GLM 虽然发现了更多问题，但存在以下不足：
- 对英文引用内容的错误”纠正”
- 部分建议试图改变作者的口语风格
- 报告中出现无意义条目（问题 22）
建议：综合两份报告使用——以 Claude 的报告为主，补充 GLM 发现的有效问题（编程估计、我在、很很、gooogle.com、金额格式）。
Claude这份报告整体还是可以的。
比较明显的一个问题是，它好像不太想修改Al->AI 这部分。他其中提到了一个理由是，这是“引用”里的文字，不应该修改。
而GLM 把类似的两个问题全部揪出来了。
这一点，我还是比较支持GLM。 虽然Cluade 有他自己的逻辑。但是我的目的还是希望不要有错别字。
其实这个错别字是由腾讯的截图识别引入的，我都没发现。
这一波应该是要夸一下GLM的。
而且GLM还检查出了四个Claude没有检查出来，但是明显是错别字的问题。
说完不错的。接下来说他的问题。
GLM的问题是，它会试图修改作者的表达风格。
比如这句“没多久正的成功了” ，Claude只修改了错别字，改为“真的成功了” ，而GLM是改为了“终于成功了” 。两个表达确实是有差别的。
这种情况不止一处。
还有一个“39.9RMB” 以及240U。其实我是故意用RMB和USDT 。Claude 懂了，没改，GLM改成标准格式了。
它也没错，但是我内心还是希望保留，不改。
很神奇的是Claude为什么能Get到我的点？它是如何理解这是我的特殊表达的。
另外它还漏检![QQ20251230-135326] 这一类MD标签，这个问题是我特别指明过的，因为这个[]里的内容不删除，发出去就会很有问题。
还有一个误检，它认为错了，实际没有错误，它也没有修改任何东西。
上面已经说了GLM的优点和缺点，反一下就是Claude的优点和缺点了。
Claude主要是稳定。
指令执行能力和语义理解都很强，不会乱改表述风格。发挥稳定，没有误检。
其中有一句要拎出来说一下。
“经过我的分享，谷歌的地区判断起码有三层逻辑。”
这句话所有AI都检查不出问题来，因为单独说“经过我的分享” 好像是没有问题的。
但是在这个语境下，绝对不应该用“分享”。比较好的是“分析”。
我还专门把这句话拎出来问过GPT5.2, 它说没毛病。
总得来说，这次两位的表现还是不错的，有来有回。
相比之前的编程题是单方面碾压，从文章校验的角度来看，GLM还有点用的，至少可以用它来查漏补缺。
这篇文章，我就不Ai校验了，因为里面包含的错别字就是文章主体。
如果其他地方有错别字多多包涵，我不是不认字，只是没校验!
相关文章：
关于作者
tony
某人