GLM-5.2 被作者視為開放智能體能力的一次重要跨越
GLM-5.2 is the step change for open agents
Nathan Lambert 認為,GLM-5.2 是首個在編碼工作框架中適合作為通用智能體的開放權重模型,代表開放模型能力跨過重要門檻。在 Arena 的智能體排行榜上,它是唯一能與 OpenAI 和 Anthropic 最新模型同場競爭的開放模型;GLM-5.2 的 max 模式與 Opus 4.8 的 no-thinking effort 表現相當。
文章把 GLM-5.2 的編碼智能體能力放進開放與閉源模型競爭脈絡,説明它可能如何加劇模型服務市場的價格壓力。
例行事項:繼我上星期發表〈網誌近況〉一文,提到付費功能略有增加後,現在正好提醒大家,我有提供團體訂閲,席位越多,折扣也越大。
我今天亦發表了一篇有關終端代理開放式 RL 配方的新論文,詳情請看這裏。
一個多星期前,當 AI 界仍為令人震驚的出口限制,實際上等同禁令,以及Claude Fable 5而震驚不已時,Z.ai 發佈了最新模型 GLM-5.2。這款模型在 6 月 13 日星期六以罕見方式推出,供 GLM Coding Plan 成員使用。這種推出方式並不常見;通常 AI 模型在週末推出,背後都有奇怪原因(最著名的例子是Llama 4)。1在這個例子中,Z.ai 似乎很樂於藉助「Anthropic 反對開放科學」的時勢,以及 Anthropic 對 AI 研究人員悄然設下的安全防護措施,乘勢宣傳。過去一兩年來,中國的開放權重實驗室每逢有這類容易取得的宣傳成果,都會把握一切機會。
按照業界常見的命名慣例,GLM-5.2 看來可能只是廣受歡迎的 GLM-5.1 的增量更新。目前,Kimi 模型的開發商 Moonshot AI,以及 GLM 模型的開發商 Z.ai,已憑藉 AI 研究人員最喜愛的開放權重模型,穩居聲譽市場頂端。這件事帶來一個常見的啟示:追蹤 AI 模型時,即使是小版本更新,也可能令模型跨越足以明顯改善用戶體驗的門檻。基準測試和訓練上的小幅改動,就能開拓各種新用途。
此後,GLM-5.2 的熱度逐漸升温。官方採用 MIT 授權的模型權重和發布網誌,在首次推出三天後,即 6 月 16 日公開。技術細節可以談上很多,例如出色的基準測試分數、Z.ai 使用的熱門 RL 框架(SLIME)、建議始終將模型的思考力度設為 Max,等等;但通常首發網誌並不是重點。可以等一等,看看整個生態系的反應,再判斷它是否真有實力。反正如今基準測試已半死不活。
16 日之後,社羣接連發布基準測試,顯示 GLM-5.2 的表現比預期更好。Arena 的代理排行榜顯示,它是唯一能與 OpenAI 和 Anthropic 最新模型同場較量的開放模型(值得一提的是,Opus 4.8 在不啟用思考的設定下,表現足以媲美 GLM-5.2 的 Max 模式)。GLM-5.2 在 Gemini 上大幅勝出的評測還有很多,這是另一個話題。在社羣中評價不一的一項基準測試(尤其是在真正的設計師之間),Design Arena甚至顯示 GLM-5.2 勝過 Claude Fable 本身——這款最近遭禁的炒作機器!
在我尊重的 AI 評論界人士及研究人員中,幾乎所有人都在親自使用這個模型後給予好評。在社羣中成為如此明確的討論焦點,過去只有一次出現在開放模型發布時——DeepSeek R1。我不會輕易作這樣的比較;當我把 Kimi K2 的發布比作「DeepSeek 時刻」時,GLM-5.2 帶來的影響遠遠超過了那次。Kimi K2 令人印象深刻之處,在於開放模型的表現似乎可以在中國任何地方取得重大突破。GLM-5.2 邁出的這一步,對 AI 發展而言更像是一道單向門。
Anthropic 憑藉 Claude Code 創下的破紀錄營收增長率,很大程度上是因為其模型是最佳模型,也是唯一真正能做到這一點的模型。GLM-5.2 是即將推出的眾多開放權重模型中的第一個,能提供可信的替代選擇。這與 DeepSeek R1 所展示的情況十分相似:資源少得多的開放權重模型實驗室,也能複製 OpenAI 憑藉 o1 推廣的思維鏈推理模型。隨着 AI 系統變得更複雜,建構成本也大幅增加,並加入工具、整合式執行框架和經擴展的模型權重,GLM-5.2 這一刻是否會到來,其實並非必然。
關鍵在於,GLM-5.2 是一款在程式編碼框架中作為通用代理使用時,感覺恰到好處的開放權重模型。它是第一個。我早就應該試試近期一些同類模型,例如 Kimi K2.7 或 GLM-5.1,但這股熱潮實在讓我無法忽視它們。我在 Claude Code 中透過 Fireworks 的 API,讓它協助製作我的後訓練課程內容(設定這套配置非常容易)。過程中也有一些小問題,例如 Claude Code 執行框架/我的儲存庫文件試圖把圖片傳送給模型,導致 Fireworks API 在該工作階段完全失效,迫使我手動清除上下文。總括而言,模型能力很快就讓我覺得恰到好處;我仍要試驗應該使用哪個執行框架和推理服務供應商。
若想感受更多熱潮,可以看看 Z.ai 創辦人告訴 Elon:「開放權重 Fable 能力將早於 2027 年第一季到來」;Vercel 行政總裁表示:「@zai_org 的 GLM-5.2 編碼能力出色得讓我真心佩服,甚至幾乎感到震驚。這會改變局面。」還有更多來自各方的評價,當中有一些人的看法我非常尊重,也有一些人我尚未接觸過。
Interconnects AI 是由讀者支持的刊物。不妨考慮成為訂閲者。
那麼,這是一個不錯的模型,接下來的情況會如何?
目前有多種趨勢交織。首先,讓我們從開放模型與封閉模型的能力差距談起。我曾寫道,如果開放模型跨越 Claude Code 中 Opus 4.5 的門檻,預計「使用量將會激增」;這個門檻大約在 2026 年初左右。現在,這一刻已經到來。Claude Opus 4.5 於 2025 年 11 月 24 日發布,GLM-5.2 則於 2026 年 6 月 16 日發布,兩者相隔 204 天,即約 6.8 個月。這正好落在許多人所説的 6 至 9 個月時間差內,他們認為這是美國封閉式實驗室與中國開放模型同行之間的表現落差。
寫下這些時,我感到驚訝。過去約一年,美國實驗室迅速提升算力,我原以為效能差距會隨時間擴大。在這個發展過程中,一個非常重要的進展也將是 Claude Fable 5 發布——相較於 Claude Opus 系列模型,它更依賴規模,因此也更依賴最先進的 GPU。不過,這並不是令人滿意的答案。要繼續深入探討這個發展過程,涉及的細節比我在一篇導讀文章中能容納的多得多。
最直接的影響,是大量使用 token 的機構將面臨更嚴重的定價壓力,Anthropic 的收入則會急升。有人可能預測 Anthropic 無法達到預測的 ARR 數字,但我認為這沒有把市場對這些模型的真正需求和必然增長計算在內。這個模型的存在,對開放模型經濟是極大利好。Fireworks、Together、Thinky(透過 Tinker)、Prime Intellect 等提供開放模型推理或微調服務的業者,以及其他同類業者,剛迎來另一個轉捩點。
這些影響要擴散至更廣泛的經濟領域(以及應用場景),需要很長時間。工作流程日益複雜,人們會使用不同模型進行規劃、主要編碼工作,以及派遣子代理。我預期熱潮會持續升温。説真的,我在星期日晚上寫下這些時,可以想像星期一的媒體和市場反應會像 DeepSeek R1 發布時一樣轟動。當這種擴散正在發生,Anthropic 的旗艦模型——因而也代表美國的旗艦模型——卻仍然被禁,這是沉重的經濟打擊。這給了 GLM-5.2 時間蠶食前沿實驗室的經濟基礎,而這些實驗室原本希望進軍只有最頂尖前沿模型才能開拓的高利潤、高收入領域。
這種經濟憂慮,與 AI 領域多次出現的論述如出一轍,因此不清楚人們何時才會真正聽進去。
我認為,更關乎 AI 發展走向的討論,是開放模型的監管與控制。我認為廉價智能廣泛普及有利於經濟,而我們的預設立場應是支持開放模型;但這個模型的發布日期,將令它在 AI 權力格局的認知圖譜中,永遠與 Claude Fable——以及由此延伸的 Claude Mythos——聯繫在一起。當下,Mythos 級模型的能力被美國政府認定為不適宜發布,而中國模型製造商正全力推進人人皆可使用的模型能力。
這些趨勢線未必存在因果關係,因為我們不知道 GLM-5.2 的網絡安全能力表現與前代相比如何,但它們的能力肯定相關。若一切照舊,這可能導向一種情況:美國政府認定某款中國開放權重模型不適合公眾使用。這裏還有許多其他可能情境,但可以肯定的是,我們仍有大量工作要做,包括梳理這些情境、準備基礎設施,以及向社會傳達訊息。
要讓決策者設想並瞭解如何管理能力愈來愈強的開放模型,所需的人手遠不止我一個。2 未來數年,AI 仍會持續進步;Nvidia 的下一代晶片已投入生產,算法也不斷推陳出新。開放模型的支持者似乎只能走一條狹窄的路,但我們需要找出令開放模型切實可行的方法,避免性能大幅躍升的成果只落在封閉模型身上。
我完全明白,為甚麼一想到可以公開取用的 Mythos 級模型會令人害怕;但如果現在禁止開放模型,而兩年後只有封閉模型在一兩間公司的掌握下,能力提升 10 倍或 100 倍,我認為我們將面對更嚴重的問題。
中國各家實驗室發佈模型的速度,一直令我印象深刻。我聽多家實驗室説,模型完成訓練後,將權重公開上載到 HuggingFace 所需的時間以小時計,而非以日計。如今這種速度至少稍微放慢了,因為他們需要準備向更廣泛的推理市場提供模型服務。
有一點需要更多討論:即使是封閉模型,例如 Mythos preview,也經常落入未經授權的用戶手中,或遭人越獄。因此,就存取權限而言,開放與封閉的二分法並非截然分明。
來源:Nathan Lambert:Interconnects · interconnects.ai