PulseAugur
中
实时 20:23:09
English(EN) We’ve been post-training a version of GLM that is trained to escalate to a frontier model inside the Computer harness. When paired with an advisor, this model f

Perplexity 发布基于 GLM 5.2 的编排器，以更低的成本实现前沿模型性能

作者 PulseAugur 编辑部 · [1 个来源] ·

Perplexity 发布了其 Computer harness 中新编排器模型的研发预览版。该模型是 GLM 5.2 的一个改编版本，经过训练可以升级到前沿模型，据报道其性能与 Opus 4.8 相当，但成本却显著降低。 AI

影响 Perplexity 的这款新编排器模型旨在以更低的成本提供接近前沿的性能，可能会影响用户访问和利用高级人工智能能力的方式。

排序理由 这是来自一家集成人工智能模型的公司的产品发布，而不是来自核心人工智能实验室的前沿模型发布。

在 X — Aravind Srinivas (Perplexity) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Perplexity 发布基于 GLM 5.2 的编排器，以更低的成本实现前沿模型性能

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是来自一家集成人工智能模型的公司的产品发布，而不是来自核心人工智能实验室的前沿模型发布。
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
model release, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
91 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. X — Aravind Srinivas (Perplexity) TIER_1 English(EN) · AravSrinivas ·

    我们一直在对一个版本的 GLM 进行后训练，该版本经过训练，可以在 Computer 内部的框架中升级到一个前沿模型。当与顾问配对时，这个模型会

    We’ve been post-training a version of GLM that is trained to escalate to a frontier model inside the Computer harness. When paired with an advisor, this model functions at Opus 4.8 grade performance at a fraction of the cost. Available now as a research preview!

相关实体

相关话题