标签
本文介绍了TradeLens，一个基于轨迹的诊断工具包，用于评估基于LLM的自主交易系统是否将其推理和工具使用成本转化为可衡量的增量利润，并分析了DeepSeek-V3.2和GLM-4.7等模型的失败模式。
智谱AI创始人唐杰概述了AGI和AI自我意识的愿景，认为自主智能体社会、AI训练AI以及自我进化将导向意识和ASI。
Databricks基准测试显示，pi-coding-agent比CC/Codex便宜高达2倍且通过率更高，GLM 5.2在编码任务上的表现与Opus 4.8持平。
模型发布周公告，推出Meta Spark 1.1、Grok 4.5和GLM 5.2，AI Gateway现已支持Muse Spark 1.1，用于智能体任务。
Colibrì是一个纯C推理引擎，通过从磁盘流式加载专家，在约25GB RAM的消费级硬件上运行744B参数的GLM-5.2 MoE模型，配合推测解码可实现约2.2-2.8 token/秒的速度。
Jun Song 宣布 MLX 新引擎进入最终开发阶段，在 MacBook 上以 256k 上下文窗口达到 41.8 tok/s，仅有约 4% 质量损失，代表着显著的性能提升。
AlpinDale称，在4个节点的RTX 4090（48GB）上运行GLM-5.2-FP8，通过10吉比特以太网实现约28 tok/s的解码速度，并计划使用DSpark进行优化。
NVIDIA 官方提供了免费的 GLM 5.2 模型服务，RPM 约 50，国内手机号即可注册验证使用。
用户用相同提示词比较了GLM-5.2、Fugu Ultra和Fable 5三个模型生成的星球图像，结果各有特色，用户倾向于Fable 5。
Chamath 认为公司应该使用像 GLM 这样的模型构建自己的 AI 智能，以避免泄露竞争优势，并强调成本效率和控制。
描述了一种使用OMP和advisor解决REAP模型知识丢失的方法，将'lobotomy'从GLM中引导出来。
基于NousResearch的Hermes Studio和MoA多模型协同机制，使用DeepSeek与GLM-5.2组合可以生成高质量的动态网页作品，尽管生成周期较长且有冗余输出。
一篇关于在 5 块 AMD Radeon Pro 6000 GPU 和一块 NVIDIA RTX 5090 上运行 GLM5.2 语言模型的报告，详细介绍了高昂的成本和技术挑战。
Maka的Harness工程通过改进self-check机制，使DeepSeek Flash V4在terminal-bench样本集上达到接近GLM-5.2的评测效果，仅用4元人民币和97.5%的缓存命中率完成10道编程Agent任务。
RedHatAI 发布了 GLM-5.2-FP8 的预览版 DSpark speculator，这是首个为非 DeepSeek 前沿模型设计的 DSpark draft 模型，在 4×B300 上使用 vLLM nightly 实现了约 1.5 倍更快的解码速度。该检查点仍在完善中，提供了训练细节和接受率指标。
ZCode是一款由GLM团队推出的AI编程开发工具，深度适配GLM-5.2模型，提供长程任务管理和远程Bot控制等功能，支持多种订阅计划。
本文详细介绍了 GLM-5.2 在 Agentic RL 中的最新进展，包括引入 slime 基础设施、从 GRPO 转向 PPO 处理长轨迹、以及在线反作弊机制；同时探讨了 Qwen 在验证器质量方面的研究，提出可扩展性、忠实性和鲁棒性三个维度，并针对不同任务设计了多种验证策略以提升奖励信号的可靠性。