glm

过去一个月内，多家中国领先的AI实验室发布了新的旗舰模型，包括Kimi K3、Qwen3.8、DeepSeek-V4-Pro和GLM-5.3，标志着中国AI竞赛的快速进展。

bitsandbytes 的创造者 Tim Dettmers 正在预告一种新的量化方法，据报道该方法可以在单块 DGX Spark 上以 7 tokens/s 的速度运行 GLM 5.3，社区对此持谨慎乐观态度。

微信开发大赛允许开发者免费使用Deepseek和GLM模型，促进AI在微信平台上的应用。

GLM 5.3 识别出 2436 个未修补的开源漏洞，其中 1097 个被评为严重或高危，许多漏洞存在超过 26 年，这似乎是 Z.ai 对 Project Glasswing 的对应项目。

GLM-5.3 是一个AI模型更新，它通过对相同基础模型进行大规模后训练，实现了编码能力的飞跃。

GLM 5.3 发布，作者比较了 GLM 5.2 与 DeepSeek V4 Flash 的速度和智能，思考是否要换回 GLM。

Z.ai 发布了 GLM 5.3，这是其 GLM 语言模型系列的一次更新。官方公告提供了有关新版本的详细信息。

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。