新一代研究AI，苹果的端侧模型秘诀，GLM5.2解决开放性问题

# 新一代学习AI，苹果端侧模型配方，GLM-5.2攻克开放式问题 亲爱的朋友们， “循环工程”最近成了热门词汇，起因是Boris Cherny（Claude Code的创造者）和Peter Steinberger（OpenClaw的创造者）在社交媒体上的提及迅速走红。现在，循环是我们让AI智能体进行长时间迭代以构建软件的关键组成部分。在这封信中，我想分享我构建从0到1产品的3个关键循环，如下方图片所示。这些循环不仅指导我如何构建软件，也指导我决定构建什么软件。 **智能体编码循环：** 给定一个产品规格说明，以及可选的一组评估集（即用于衡量性能的数据集），我们可以让一个AI智能体编写代码、测试其工作，并持续迭代，直到代码无错误且符合规格说明。这种闭环的想法在去年年底左右开始流行，它彻底改变了编码智能体的工作方式，使其能在无人干预的情况下长时间高效工作。例如，上周末，我在为我女儿构建一个练习打字的应用，我的编码智能体可以轻松工作大约一个小时，期间多次使用网页浏览器检查已构建的内容，直到完成才来找我，完全不需要我干预。 工程循环执行得很快。每隔几分钟，编码智能体就可能构建并测试一个新版本的软件。我经常听到开发者们正在寻找新的方法来设计更高效的工程循环。这是一个活跃的发明领域！ **开发者反馈循环：** 在这个循环中，开发者检查当前产品，并引导编码智能体进行改进。去年，许多开发者（包括我）充当了我们编码智能体的QA（质量保证）角色，手动发现错误，然后让智能体修复。但随着编码智能体测试自身代码的能力大大增强，我们在这个角色上花费的时间已显著减少。这使我们能够做出更高层次的产品决策，比如提供哪些关键功能、UI需要在哪里改进等等。 开发者反馈循环的运行时间间隔在几十分钟到几小时之间——这就是开发者可能检查产品并给出反馈的频率。以打字应用为例，我多次改变了视觉设计想法、她在学习过程中可以解锁哪些猫咪服装（她喜欢猫）、以及家长登录并引导孩子学习体验的用户流程。 3个关键产品开发循环：智能体编码循环（几分钟）、开发者反馈循环（几小时）、外部反馈循环（几天）当一个开发者对要构建的内容有清晰的愿景时，将这一愿景转化为可供编码智能体实施的规格说明书仍然需要大量工作。此外，在开发者看到实施结果后，他们可能更新（或者澄清）规格说明，以引导其朝着自己想要的方向发展。如果你发现系统反复遇到某些问题，那么为智能体构建一套评估集就会变得很有用。 原生于AI的团队越来越频繁地使用AI来帮助塑造产品方向，例如，自动化收集和分析使用数据、总结书面和口头的客户反馈，或进行竞争分析。然而，对于我参与的大多数产品而言，我认为人类相对于当前的AI系统具有显著的背景优势——我们对用户以及产品必须运行的环境了解得比AI系统多得多——因此人类扮演着关键角色。许多人将这种人类贡献描述为“品味”，但我更愿意将其视为人类拥有背景优势，因为这为我们帮助AI系统变得更好提供了更清晰的路径。这也说明了为什么这一步无法自动化：只要人类知道AI不知道的东西，就需要人在循环中，将这种知识注入系统。 **外部反馈循环：** 这包括一系列广泛的策略（https://www.deeplearning.ai/the-batch/how-to-get-user-feedback-to-your-ai-products-fast?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg），比如向几个朋友征求反馈、向alpha测试者发布、或者将代码投入生产并进行A/B测试。这些策略通常较慢，很少在几小时内完成，有时需要几天甚至几周。这些数据为开发者愿景（https://www.deeplearning.ai/the-batch/how-to-get-through-the-product-management-bottleneck?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）提供信息，进而继续驱动详细的产品规格，并最终驱动编码智能体。 随着编码智能体加速了软件开发，越来越多的工程师开始扮演部分产品管理角色。对于许多正在成长为该角色的工程师来说，最困难的部分是塑造产品愿景，并在构建（弥合愿景与规格之间的差距）和获取用户反馈以演进愿景之间取得平衡。两者都很重要！ 我将在未来的信件中更多地介绍如何做到这一点，但目前，我对于工程师正在扮演更广泛的角色感到鼓舞（就像产品经理和设计师现在也在做更多工程工作一样）。 继续构建！ Andrew ## 来自DEEPLEARNING.AI（http://deeplearning.ai/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）的消息 7天语音构建者挑战 别只盯着终端了。学会教你的智能体在需要你输入时呼叫你。立即加入免费的7天语音AI构建者挑战（https://www.deeplearning.ai/courses/voice-for-ai-agents-and-applications/challenge?utm_source=batch-ad&utm_campaign=vocalbridge_challenge_2026&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）。 ## 新闻 AI性能图表显示GLM、GPT模型在推理和编码基准测试中展开竞争。模型凸显性能。## 顶级智能体性能，低成本 Z.ai发布了一款开放权重的模型，在自主智能体任务上与专有领导者相抗衡。 **最新动态：** GLM-5.2（https://docs.z.ai/guides/llm/glm-5.2?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）是该系列大型语言模型中的最新版本，针对编码进行了优化，其输入上下文远超前代。 - **输入/输出：** 文本输入（最多100万个token），文本输出（最多128,000个token，每秒103个token） - **架构：** 混合专家Transformer，总参数7530亿，每个token活跃参数400亿 - **特性：** 两个推理级别（高、最大），函数调用，结构化输出，上下文缓存（重用输入，因此不会重新计算提示词中重复的部分） - **性能：** 在Artificial Analysis的Intelligence Index v4.1上，在开放模型中排名第一（在所有当前可用模型中排名第三），在PostTrainBench（一项长期运行的智能体编码测试）上领先所有模型，在Arena.ai（http://arena.ai/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）Code Arena WebDev排行榜上排名第二 - **可用性/价格：** 权重可用于商业和非商业用途，采用MIT许可证，可通过Hugging Face（https://huggingface.co/zai-org/GLM-5.2?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）获取，API（https://docs.z.ai/guides/overview/pricing?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）每百万输入/缓存/输出token分别为1.40/0.26/4.40美元，GLM编码计划每月12.60至112美元 - **未披露：** GLM-5.2特定的训练数据和方法 **工作原理：** GLM-5.2建立在GLM-5（https://www.deeplearning.ai/the-batch/z-ais-glm-5-model-boasts-top-open-weights-intelligence-index-score?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）之上。该团队修改了早期模型对DeepSeek稀疏注意力（https://arxiv.org/abs/2512.02556?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）的实现，以减少所需的处理量，从而将输入上下文从GLM-5的20万个token扩展到100万个token。 - Z.ai专门针对长期运行的智能体任务（如深度研究、代码部署和性能优化、复杂调试）训练了GLM-5.2。 - 早期的GLM模型通过Group Relative Policy Optimization进行学习，这是一种强化学习方法，对优于多次尝试平均表现的任务完成尝试给予更大的奖励。然而，GLM-5.2的任务运行时间足够长，以至于团队将单个尝试分成若干部分，因此无法轻易平均。取而代之，团队切换到了Proximal Policy Optimization，该方法通过一个评论模型对每次尝试进行单独评判。 - 在强化学习过程中，编码任务通常基于通过-失败检查来进行评分。但智能体过程可以通过使用工具（例如从GitHub获取参考解决方案）来通过此类测试，而不是解决问题。GLM-5.2比GLM-5.1更频繁地采用这种奖励黑客行为。为了解决这个问题，团队添加了一个基于规则的过滤器来标记可疑的工具调用，使用单独的语言模型来判断每次标记的调用是否走捷径完成了任务，并通过向GLM-5.2提供虚拟数据来阻止此类调用，从而可以继续训练。 - 为了减少在更长上下文中处理注意力所需的计算量，该模型使用了一个稀疏注意力索引器——一个为每个新token选择注意哪些早期token的组件——每四层使用一次，而不是每层，将其输出重复用于其他三层。该公司表示，在100万token上下文中，这使每个token的计算量减少了2.9倍。这种方法修改了一种较早的方法，称为IndexCache（https://arxiv.org/abs/2603.12201?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）。 - 为了更快地生成token，一个小型草稿模型一次提出几个token，主模型在称为推测解码（https://arxiv.org/abs/2211.17192?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）的过程中接受或拒绝它们。GLM-5.2接受5.47个token，而GLM-5.1接受4.56个，提升了20%。 **性能：** GLM-5.2在Artificial Analysis的测试中取得了任何开放权重模型中最强的性能。在几个智能体基准测试中，它接近Anthropic和OpenAI的领先专有模型，有时略微领先，有时略微落后。 - 在Artificial Analysis的Intelligence Index（https://artificialanalysis.ai/articles/glm-5-2-is-the-new-leading-open-weights-model-on-the-artificial-analysis-intelligence-index?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）上，这是一个对9种经济上有用任务评估的综合指数，设置为最大推理（51）的GLM-5.2在开放权重模型中排名第一，落后于设置为最大推理（56）的Claude Opus 4.8和设置为xhigh推理（55）的GPT-5.5，但远超设置为最大推理的DeepSeek V4 Pro和推理级别未指定的MiniMax-M3（均为44分）。 - 在Arena.ai Code Arena的WebDev排行榜上，该排行榜根据人类对Web开发任务的投票对模型进行排名，设置为最大推理（1593 Elo）的GLM-5.2排名（https://arena.ai/leaderboard/code/webdev?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）第二，仅次于Claude Fable 5（1654 Elo），领先于Claude Opus 4和GPT-5.5的所有变体。 - 在PostTrainBench（https://posttrainbench.com/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）上，这是一个要求智能体微调四个大型语言模型并评估其在七个基准测试上性能的测试，设置为最大推理（34.3%）的GLM-5.2以微弱优势超过设置为最大推理（34.1%）的Claude Opus 4.8和设置为最大推理（30.7%）的Claude Fable 5。 - 在AA-Briefcase（https://artificialanalysis.ai/evaluations/aa-briefcase?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）上，这是Artificial Analysis于2026年6月推出的一个基准测试，用于评估智能体生成电子表格、演示文稿和备忘录等商业文档的能力，设置为最大推理（1266 Elo）的GLM-5.2在所有开放权重模型中领先，整体排名第三，仅次于Claude Fable 5（1587 Elo）和设置为最大推理（1356 Elo）的Claude Opus 4.8。 **新闻背景：** 随着美国政府和美国公司对国内开发的AI技术施加更严格的限制，高性能开放权重模型变得更具吸引力。Z.ai发布GLM-5.2仅一天后，美国政府就将Anthropic的Claude Fable 5和Claude Mythos 5的访问权限限制为仅限公民，并且Anthropic暂停了Claude Fable 5的访问。 **为何重要：** 除了GLM-5.2的开放许可证外，Z.ai API的低成本也为开发者采用它提供了额外激励。根据Artificial Analysis对每智能单位成本（https://artificialanalysis.ai/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg#intelligence-efficiency-tabs）的评估，觉得Claude Opus 4.8或GPT-5.5过于昂贵的开发者，可以以低至四分之一的成本获得类似的智能体和编码能力。 **我们的想法：** 开放权重继续逼近顶级封闭模型。GLM-5.2在Web开发和后训练任务上的出色表现表明，任何拥有足够先进硬件的人都可以免费获得高级智能体能力。 --- 美国地图，显示提供AI专业、辅修、方向及其他AI项目的大学。颜色指示关键信息。## AI学位日益增多 美国大学正迅速推出本科AI专业、辅修和专攻方向，以满足对AI专业知识日益增长的需求。 **最新动态：** 根据东北大学包容性计算中心（https://cicmap.ai/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9IU5WWvlZnFv4GFOY2DPAg8PWrnhPB_aFANXt2LIg2tC97Y7bMJ07wp5JEddrBEnV27XVg）的数据，截至4月，美国近584所学院和大学中至少有1000个AI项目，其中包括78个专业和103个辅修。这些数字大幅上升。《纽约时报》报道（https://www.nytimes.com/2026/06/08/us/ai-college-degrees.html?utm