glm

DeepSeek 0813 “Pro” 与 GLM 5.2 和 Kimi K3 的对比，可能涵盖这些 AI 模型的基准性能和能力差异。

作者认为，来自DeepSeek、Qwen、GLM和Kimi等中国AI实验室的竞争对消费者有利，因为它会促使主要AI公司提高质量并保持合理的价格。

这是一场讨论，质疑在 Kimi K3、Qwen 3.8 Max 和 DeepSeek V4 Pro 等新模型陆续推出后，GLM 5.2 和 Kimi 2.7 等旧 AI 模型是否仍对编程具有重要意义。

Mind Lab 声称其 Macaron-V1 模型在基准测试中超越 GLM-5.2。该模型通过将五个 LoRA 专家模块（每个约十亿参数）附加到 GLM-5.1 上构建而成，系统会根据任务动态切换到最适合的专家模型。模型使用过程中积累的数据可被提炼到专门的 LoRA 适配器中，随着模型的调用而持续更新。

推文提到 GLM 官网已上线 GLM-5.3，并感叹 Deepseek v4 flash 和 Qwen 3.8 max 面临的压力很大。

新版 DS v4 flash 0731 以低价承诺大幅改进，在自制测试中表现优于 GLM 5.1，尽管这些基准测试结果令人怀疑。

一则推文重点介绍了 DepthFirst Labs 的新网络安全模型 dfs-large1，该模型在漏洞发现方面达到前沿模型水平，基于开放的 GLM-5.2 模型构建，并在 Fireworks AI 上通过强化学习进行后训练，认为开放权重是防御者的优势。

阿里云推出统一的Token计划，将文本、图像、视频和音频AI模型的积分池汇集在一起，包括Qwen、DeepSeek、GLM等，首月起步价4美元。

对输出相似性的分析表明，像Kimi K3、DeepSeek V4和GLM 5.2这样的中国AI前沿模型展现出风格差异，显示出有意义的独立发展，这挑战了其进展严重依赖从美国模型蒸馏的说法。

作者观察到国内 AI 模型（Kimi、GLM、DeepSeek）每次更新都在进步，认为国内模型研发进入正循环：用户增长带来丰富数据、工程基础设施成熟、算力紧张倒逼效率优化，且计费优势明显。

一家公司分享了采购和维护用于AI推理的HGX B300的实际困难，包括高昂的成本（110万欧元）、电力与空间需求以及供应有限，并给出了GLM 5.2的吞吐量估算。

一位开发者演示了为GLM语言模型添加视觉能力，展示了重要的多模态扩展。

艾哈迈德·奥斯曼（Ahmad Osman）的一条推文预测，2026年8月至10月将成为开源前沿AI模型的历史性时期，其中提到了Kimi K3和GLM 6，暗示即将有重大发布。

Colibri 支持在 CPU 上本地运行 744B 参数的 GLM 5.2 模型，无需 GPU 硬件即可实现大规模 AI 的访问。

即将发布的 AI 模型包括 Kimi K3、Deepseek V4、新的 Liquid 和 Mistral 模型，并有传言称 GLM 5.5 将在八月发布，这表明开放权重人工智能领域将迎来繁忙时期。

一款新的GLM模型正在被预告，很可能是智谱AI或清华大学即将发布的新版本。

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。

测试GLM 5.2语言模型的政治偏见，以评估其公正性和中立性。