跳到正文

智譜 GLM

智譜的 GLM 系列模型動態:旗艦開源釋出、程式碼與推理能力迭代、商業化與生態進展的追蹤。

最新精選

第 1–18 條 · 共 18 條
11月18日週三
  1. Dev.to Top Tech83

    開放權重模型落後封閉模型多久?作者用資料比較能力、算力與授權

    開放權重模型的能力和封閉模型差多少,會隨時間、評量方式和授權條件改變。作者用 Epoch AI 截至 2026 年 10 月 30 日的資料追蹤模型分數,指出 2026 年開放模型平均落後約 6.7 個月;中國團隊推出的模型已連續 673 天保持開放權重領先。不同地區的差距也不一樣:美國和歐洲模型落後更多,而授權條件會影響模型能不能用在商業服務。作者認為,選模型時除了看能力,也要確認來源與授權是否符合自己的需求。

    推薦理由:作者把開放權重模型的能力差距拆成時間、算力、地區與授權來比較,呈現採用這類模型時需要衡量的實際取捨。

11月13日週五
  1. Rohan Paul69

    人用提示詞注入攻擊近期幾乎騙不過新的 Gemini 模型,容易讓人以為問題已經解決。Google DeepMind 團隊做出 Agentic Optimizer,讓 8 組 AI 助理測試藏在資料裡的指令、交換心得,再改進彼此的攻擊方式。他們用這套方法測試 100 項需要操作工具的任務,每次攻擊只想讓模型做一項隨機且無害的工具操作。最多嘗試 320 次後,最強的攻擊者在 34% 的任務中騙過防護最強的 Gemini 4 Argon;開放權重的 Kimi K3、GLM-5.3 和 DeepSeek-V4.1-Flash 擋下攻擊的比例只有 1%。

    推薦理由:研究用多組 AI 助理接力改進提示詞注入攻擊,並比較不同模型在工具操作任務中的防禦表現。

  2. Dev.to Top Tech83

    Unit 42 通報 Cairn 協調的 25 次攻擊,10 家組織確認遭未授權存取或資料擷取

    Unit 42 通報,攻擊者在 2026 年 8 月至 9 月針對至少 19 家組織發動 25 次行動,並在其中 10 家確認未授權存取或資料擷取。

    推薦理由:報告整理了攻擊者如何結合 Cairn 與語言模型,利用弱密碼、許可權缺陷及暴露端點取得存取權,並列出可供 SOC 追查的活動線索。

11月11日週三
  1. Dev.to Top Tech76

    GLM-5.3-SLIM-GGUF 標頭分析:裁減 64 個專家後檔案縮小 24.6%,推論讀取量近乎不變

    GLM-5.3-SLIM-GGUF 將 Unsloth 的 256 專家 GGUF 裁減為 192 專家版本;作者比對兩組 GGUF 標頭後指出,檔案縮小 24.6%,但每 token 讀取的權重量幾乎不變。

    推薦理由:作者比對兩組 GGUF 標頭,拆解檔案縮小的來源與每 token 權重讀取量,呈現裁減專家對硬體容量和推論速度的不同影響。

11月2日週一
  1. LMSYS Org Blog79

    SGLang 如何用 HiCache 在多種部署配置中重用模型快取

    長對話會反覆送出相同的前文,模型若每次重算或重新傳送資料,使用者就得等更久。這篇文章說明 HiCache 如何把可重用的模型快取放在 GPU、主機記憶體和外部儲存,並讓不同運算階段和多臺機器在同一個字首上做出一致決定。以 GLM-5.2-FP8 的多輪對話測試來看,解碼端也重用 GPU 與主機快取後,平均首次回應時間降低 25.4%,中位數降低 60.3%,輸出速度增加 2.9%。文章也說明,資料分散存放和非同步傳輸會增加協調難度,快取資料必須準備妥當才能省下計算與傳輸時間。

    推薦理由:文章拆解 HiCache 在多種平行配置與分離式服務中的快取協調方式,並用實際服務資料呈現字首重用對回應等待時間的影響。

10月30日週五
  1. The Decoder83

    開源模型 GLM 5.3 48 小時內自行構建完整 Firefox 漏洞鏈

    GLM 5.3 能在 48 小時內自行構建完整 Firefox 漏洞鏈,成本約 $1,000。 - Patch gap:在 6 個 Firefox 版本(9/17‑10/26)中,模型利用公開修補程式碼與未推送至使用者之間的視窗。

    推薦理由:本文展示了開源模型在 48 小時內自行構建 Firefox 漏洞鏈,凸顯 patch gap 的風險與對軟體更新策略的啟示。

  2. aihot79

    Epoch AI實驗顯示GLM 5.3能利用補丁視窗期自主攻擊Firefox

    Epoch AI 的實驗顯示,開源權重模型 GLM 5.3 能在 Mozilla 已發布但尚未推送給使用者的安全補丁視窗期內,透過單一網頁即能讀取使用者電腦檔案,攻破 9 月 17 日至 10 月 26 日發布的全部六個 Firefox 版本。

    推薦理由:GLM 5.3 能在補丁視窗期以低成本復現漏洞利用,展示開源權重模型對軟體安全的潛在威脅,並提示需縮短補丁視窗期以降低風險。

10月27日週二
10月19日週一
  1. SGLang Releases78

    SGLang v0.5.22 釋出多模型支援與效能提升

    SGLang v0.5.22 釋出,新增多模型支援、效能最佳化與跨平臺功能。 - 新模型:DeepSeek‑V4.1、Qwen3.8‑Flash‑Next、GLM‑5.3‑Flash、MiMo‑V2.6‑Pro、EmbeddingGemma 2、LLaDA2.2、HunyuanImage‑3.0‑Instruct 等。

    推薦理由:本次更新大幅提升多平臺推理吞吐量並加入多模型支援,開發者可直接使用新功能加速多模態應用,並在多種硬體上獲得顯著效能提升。

10月9日週五
  1. vLLM Official Blog80

    vLLM 在 NVIDIA Vera Rubin NVL72 上實現 7.8 倍吞吐提升

    vLLM 現已支援 NVIDIA Vera Rubin NVL72,透過 Rubin‑tuned kernels 與 locality‑domain 技術,單張 GPU 的推理吞吐率比 GB200 NVL72 高達 7.8 倍,在 AgentX 端點與 MLPerf VLM 測試中分別提升 5.18 倍 與 3.7 倍。

    推薦理由:本篇展示 vLLM 在新一代 NVIDIA Vera Rubin NVL72 上的 7.8 倍吞吐提升,並說明如何利用 Rubin‑tuned kernel 與 locality‑domain 技術達成高效代理推理,為部署高效代理模型提供實際效能參考。

10月5日週一
  1. Together AI Official Blog77

    Together Link:將團隊已使用的工具連結至開放模型,僅需一指令即可上線

    Together Link 讓工程團隊在不改變工作流程的情況下,將現有工具連結到 Together AI 的開放模型,並可節省 50% 以上的成本。 - 成本效益:相較於使用閉源模型,開放模型可節省超過 50% 的每月支出。

    推薦理由:開放模型可使工程團隊成本下降超過五成,提供可直接套用於現有開發流程的成本效益方案,同時保持高效能與低延遲,讓團隊能即時切換至最佳模型。

10月4日週日
9月19日週六
8月23日週日
  1. Recode China AI85

    Unitree 爆款上市、Nvidia 晶片獲北京綠燈與大廠 AI 投注

    Unitree 在上海科創板上市首日股價暴漲 629%,市值逼近 $66 B,但隨後兩個交易日即跌落近 $10 B。 - Unitree IPO:創造中國機器人市值新高,創辦人王興興淨值飆升約 $18 B。

    推薦理由:Unitree IPO 亮相證明中國機器人產業已成百億市值新星,Nvidia 晶片出口政策變動則揭示中美技術競賽新動態。

8月18日週二
  1. Martin Fowler Blog72

    Martin Fowler 觀點:AI 與安全交集,開源模型與企業實務

    Martin Fowler 在 Thoughtworks 的部落格中,分享了他對 AI、資訊安全與企業實務的觀點,並呼籲開放式模型與安全協作的必要性。 - AI 與安全交集:分析技術趨勢與防禦實務,指出雖無大幅智慧提升,但可透過可複製性提升效能與回應速度。

    推薦理由:作者以實務觀點闡述 AI 與安全交集,分析技術趨勢與防禦實務,為業界提供可落地的洞見,並呼籲開放式模型與安全協作的必要性,提醒企業在採用 AI 時務必兼顧風險與效益。

6月23日週二
  1. Together AI Official Blog77

    ParallelKernelBench:前沿 LLM 尚未能快速編寫多 GPU 核心

    ParallelKernelBench 是一個測試多 GPU 核心生成的基準,評估 GPT‑5.5、Gemini 3 Pro 等前沿模型的表現。 - 核心特性:87 個實際工作負載,涵蓋多種分散式並行策略。

    推薦理由:此研究揭示前沿 LLM 在多 GPU 核心生成上的侷限,提供可量化的基準與改進方向,並展示首批成功案例。

3月18日週三
  1. Together AI Official Blog73

    Together AI 擴充微調服務,新增工具呼叫、推理與視覺支援

    Together AI 推出新版微調服務,新增工具呼叫、推理與視覺語言模型支援,並提升至 100B+ 引數模型的高效微調。 - 工具呼叫:提供結構化驗證、全流程支援,適用 Qwen、Moonshot AI、Z.AI。

    推薦理由:此更新提升工具呼叫、推理與視覺功能,讓團隊可每日迭代、成本降低 2–3 倍、準確率提升至 87%,並支援 100B+ 引數模型與 100GB 資料集的高效微調,並提供預估成本與 ETA 以利實驗規劃,並可在多模態任務中使用 Vision‑Language 模型微調。

10月16日週四