GLM-5
PulseAugur coverage of GLM-5 — every cluster mentioning GLM-5 across labs, papers, and developer communities, ranked by signal.
- developed by Zhipu AI 100%
- instance of Zhipu AI 95%
- instance of Kimi K2.5 90%
- developed GLM-5.2 90%
- developed by GLM-5.2 90%
- instance of GLM-5.2 90%
- used by NVFP4 90%
- developed Self-Harness 90%
- competes with Kimi k3 70%
- competes with Zhipu AI 70%
- competes with Qwen 3.7 70%
- competes with Moonshot AI 70%
4 天有情绪数据
-
研究发现智能体内存的有效性因人工智能模型能力而异
一项新研究表明，智能体（agentic）内存的有效性在很大程度上取决于特定模型的性能，并且需要仔细校准。研究发现，能力更强、容量更大的模型受益于一套完整的精炼指南，而较小或较弱的模型则在精选的任务相关指南下表现更好。一些模型已经运行在峰值性能，无论内存剂量如何，都没有显示出可衡量的改进。
-
据报道，Anthropic 的 GLM-5 在网络安全能力方面优于 Mythos
Anthropic 发布了关于其新 GLM-5 模型的研究，他们声称该模型在某些先进的网络安全能力方面超越了他们之前的 Mythos 模型。这一发展被视为人工智能在网络安全应用方面的一项重大进步。研究论文详细介绍了该模型的性能及其对先进网络安全能力传播的影响。
-
新方法提升LLM稀疏注意力效率
研究人员开发了两种新颖的方法来提高大型语言模型中稀疏注意力机制的效率。第一种，HISA（分层索引稀疏注意力），引入了一个两阶段的索引过程，首先过滤令牌块，然后在这些块内进行精炼选择，在无需重新训练的情况下实现显著的加速。第二种，SAS（简单注意力稀疏化），使用一个端到端与语言建模损失一起训练的连续门控机制来优化上下文排名，其性能优于现有的可训练稀疏注意力方法，尤其是在注意力预算紧张的情况下。
-
Moonshot AI 发布 Kimi K3，拥有 2.8T 参数，成本挑战 GPT-5.6
Moonshot AI 推出了其 Kimi K3 模型，这是一个拥有 2.8 万亿参数的混合专家（Mixture-of-Experts）架构，具有 100 万 token 的上下文窗口。该模型被定位为 GPT-5.6 和 Claude Fable 5 等竞争对手的经济高效替代品，API 使用成本显著降低，尤其适用于高流量应用。Kimi K3 还拥有新颖的提示缓存机制，可进一步降低重复上下文的成本，并且可以通过 Yingsuan AI …
-
AI 模型成本差异巨大，尽管基准测试得分相似
一项新的基准测试 Terminal-Bench 4.0 突显了顶级 AI 模型之间显著的成本差异，即使它们的性能得分几乎相同。GPT-6 Astra 通过 Codex 运行，得分 58.2%，完整运行成本约为 3,300 美元，而 Claude Fable 5.1 使用 Claude Code，得分 57.9%，但成本几乎翻倍，达到 6,200 美元。分析表明，开发者应将成本效益与性能并重，因为微小的分数差异可能不值得大幅提价，而像 …
-
Biren Technology 营收飙升近2000%，得益于强劲的AI需求
Biren Technology (06082.HK) 报告称，2026年上半年营收大幅增长，达到12.36亿元人民币，同比增长近2000%。公司还大幅减少了净亏损至3.77亿元人民币，同比下降76.4%，这得益于其Biren品牌GPU系列销量的扩大以及大型互联网客户的成功整合。Biren Technology 继续大力投资研发，2026年上半年投入8.04亿元人民币，专注于下一代产品并增强其软件栈以支持不断增长的AI模型生态系统。
-
Groq 对决 TokenPAPA：LLM API 的速度与成本之争
本文将 Groq 和 TokenPAPA 作为 LLM API 提供商进行比较，突出了它们各自的优势。Groq 在 Llama 等开源西方模型的低延迟和高吞吐量方面表现出色，非常适合对速度要求至关重要的面向用户的应用程序。另一方面，TokenPAPA 则专注于成本效益，以显著更低的价格提供对包括 DeepSeek V4 Flash 在内的多种模型（包括中文模型）的访问。TokenPAPA 还提供自动上下文缓存等功能以进一步降低成本，并…
-
中国 AI 模型 GLM 和 MiniMax 可在全球访问，但有限制 · 跟踪 1 个来源
截至 2026 年 8 月，中国的 AI 模型 GLM（来自智谱 AI）和 MiniMax 在中国境外可访问，但直接访问存在挑战。智谱 AI 的国际 API 定价约为其国内费率的两倍，而 MiniMax 的定价结构已于 2026 年 2 月发生变化，这使得成本预测复杂化。此外，北京潜在的政策审查可能会影响对这些前沿模型的访问。对于国际开发者而言，一个统一的网关，提供 GLM-5.x 和 MiniMax M2.5–M3 以及其他主要模型…
-
Together AI 对决 TokenPAPA：高端基础设施 vs. 预算型 LLM 聚合
Together AI 和 TokenPAPA 服务于 AI 市场的不同细分领域，Together AI 专注于高端基础设施、GPU 集群和企业级服务，而 TokenPAPA 通过单一 API 密钥提供超过 30 个模型的经济实惠的聚合器。TokenPAPA 在推理成本效益方面表现出色，以远低于 Together AI 的价格提供 DeepSeek V4 Flash 等模型。Together AI 的优势在于定制模型训练、微调和专用的…
-
Z.ai 发布开源 GLM-5.3-Flash 多模态 MoE 模型
Z.ai 发布了 GLM-5.3-Flash，这是一款新的 3200 亿参数的混合专家（MoE）模型，原生支持多模态且开源。该模型采用混合注意力架构，结合了稀疏注意力和线性注意力，能够高效处理 100 万 token 的上下文窗口。Z.ai 声称，GLM-5.3-Flash 在编码和智能体基准测试上的表现优于其前代模型，同时推理成本显著降低，并且在性能上接近 Claude Opus 4.8。
-
Z.ai 发布 GLM-5.3-Flash，一款拥有 100 万 token 上下文的多模态 MoE 模型
Z.ai 推出了 GLM-5.3-Flash，这是一款原生多模态的混合专家（MoE）模型，拥有 3200 亿总参数和每个 token 180 亿激活参数。该模型拥有 100 万 token 的上下文窗口，支持图像和视频输入，并以 MIT 许可证发布，权重可在 Hugging Face 上获取。据报道，它在编码基准测试中优于其前身 GLM-5.2，在编码任务中可与 Claude Opus 4.8 相媲美，同时运营成本显著降低。该模型的效…
-
新的PeakBench基准测试揭示AI代理因资源限制而执行失败
引入了一个名为PeakBench的新基准测试，用于评估AI代理的执行能力，超越了简单的规划准确性。该基准测试表明，代理可以识别可并行化的任务，但由于执行期间的资源限制而仍然失败。PeakBench将评估分为逻辑规划和物理调度，揭示即使依赖关系图准确，模型在遵守资源限制方面仍然存在困难，导致崩溃。对包括GPT-5和DeepSeek-V4-Flash在内的八种不同模型的测试表明，它们在逻辑规划和物理调度方面的表现各不相同，GPT-5在逻辑…
-
Zai-org 发布 GLM-5.3 和 GLM-5.3-Flash 模型
Zai-org 发布了其语言模型系列的最新迭代 GLM-5.3 和 GLM-5.3-Flash。GLM-5.3-Flash 是一个多模态模型，在成本更低的情况下提供了比前代 GLM-5.2 更好的性能，并在某些基准测试中接近 Claude Opus 4.8 的能力。GLM-5.3 在复杂编码和长时域任务方面显示出显著的提升，编码基准测试提高了 50%，并涌现出网络能力。
-
匿名“Ox Alpha”模型提供免费前沿AI访问，引发猜测
一个名为 Ox Alpha 的新匿名模型出现在 OpenRouter 上，限时免费提供顶级推理和编码能力。它的突然出现和令人印象深刻的表现，引起了 Stripe 首席执行官 Patrick Collison 等人的注意，引发了对其起源的猜测，有理论指向智谱或微软等中国人工智能实验室。这一事件凸显了人工智能前沿性能差距的缩小，并为开发人员提供了一个宝贵的机会，可以在可能最先进的模型上免费测试高要求的工作负载。
-
Mistral AI 转向开放 AI 系统，效仿 GLM-5 模型
据报道，Mistral AI 正在调整其商业模式，专注于提供开放 AI 系统，类似于中国的 GLM-5。这一战略转变表明其将不再直接与 OpenAI 等实体竞争模型。
-
Ox Alpha 与智谱 GLM-5 相关；Anthropic 的 Opus 5 在企业支出方面领先
研究人员已确认匿名 AI 模型 Ox Alpha 与智谱 GLM-5 之间存在密切联系，在所有测试中分词器匹配度高达 95%。这表明 Ox Alpha 可能正在利用中国的基础设施，尽管其运营者身份和数据实践仍未得到证实。与此同时，Anthropic 的 Opus 5 模型在企业采用方面已迅速超越其旗舰 Fable 5，表明在性能足够的情况下，企业正朝着优先考虑成本效益的趋势发展。
-
TokenPAPA 提供比 DeepInfra 更广泛的中文 LLM 访问
TokenPAPA 和 DeepInfra 提供经济高效的 LLM API 访问，但在模型覆盖范围和目标受众方面有所不同。DeepInfra 在以低廉的价格提供 Llama 和 Mistral AI 等广泛的开源西方模型方面表现出色，并提供简单的定价和自动扩展功能。TokenPAPA 则通过提供 DeepSeek V4、Qwen 3.7 和 Minimax M3 等独家中文模型，以及 GPT 5.6 Luna 和 Claude 等西方…
-
IBM Research 发现：Agent memory 对部分 AI 模型有提升，但对其他模型无效
IBM Research 对八种 AI 模型进行了 Agent memory 测试，观察到性能提升效果不一。测试中最大的模型未见任何提升，而一个拥有 1170 亿参数的模型在增加 5% token 成本的情况下，性能提升了 16 个点。
-
研究发现，代理内存剂量根据模型能力进行校准
Hugging Face 和 IBM Research 的一项新研究探讨了代理内存的有效性，发现最佳内存量因模型能力而异。能力更强的模型受益于完整的精炼指南集，而能力较弱的模型则在精选的任务相关记忆中表现最佳。已达到性能上限的模型，增加内存不会带来可衡量的收益。
-
九章智算云聚焦AI基础设施的训练推理一致性
九章智算云正在开发一个专注于“训练推理一致性”的AI基础设施系统，以支持日益增长的对强化学习（RL）以扩展模型能力的需求。该系统旨在高效管理模型的持续生成、训练和更新，超越简单的“模型+算力”范式。通过集成生成器、环境和训练器等组件，并优化它们之间的动态匹配，九章智算云力求降低成本并提高有效token的产出和模型性能。