开源模型相关 AI 动态

Artificial Analysis 发布 AA-Briefcase 基准，用于评估模型在长期知识工作项目中的能力，Claude Fable 5 以 1587 Elo 领先智谱AI · 2026/06/19 07:01
Artificial Analysis 发布 AA-Briefcase 基准测试，用于评估 AI 模型在长期知识工作项目中的能力。该基准由行业专家构建，模拟数周的真实项目，包含数千个输入文件和多个关联任务。Claude Fable 5 以 1587 Elo 领先，但每任务平均成本 31 美元；开源模型 GLM-5.2 以 1266 Elo 和 2.40 美元成本提供了最佳性价比。测试显示，即使顶级模型也仅在 3% 的任务中满足所有标准，真实世界的复杂性仍是挑战。核心观点： 1. AA-Briefcase 包含 25,000+ Slack 消息和 3,500+ 邮件等碎片化、矛盾的真实上下文，测试模型处理模糊信息的能力。 2. Claude Fable 5 在 91 个任务中仅 3% 满足所有评分标准，31 个任务无模型得分超 50%，表明长期知识工作难度极高。 3. GLM-5.2 (max) 以 1266 Elo 和 2.40 美元成本，成为最强性价比选项，仅比 Claude Opus 4.8 低约 90 Elo 但成本不足其 25%。
Artificial Analysis 发布 AA-Briefcase 基准测试，评估模型在长期知识工作项目中的能力，Claude Fable 5 以 1587 Elo 领先智谱AI · 2026/06/19 07:01
Artificial Analysis 发布 AA-Briefcase 基准测试，用于评估模型在长期、多步骤知识工作项目中的能力。测试场景由行业专家设计，包含数千输入文件（如 Slack 消息、邮件）。Claude Fable 5 以 1587 Elo 领先，但每任务成本约 $31；开源模型 GLM-5.2 以约 $2.40 成本取得 1266 Elo，性价比突出。所有模型在真实复杂任务中表现仍有限，顶级模型仅 3% 任务满足全部标准。核心观点： 1. Claude Fable 5 在 AA-Briefcase 上以 1587 Elo 领先，未使用 Opus 4.8 回退。 2. GLM-5.2 (max) 以 $2.40 成本取得 1266 Elo，性价比优于 Claude Opus 4.8。 3. 所有模型在 91 个任务中仅 3% 满足全部 rubric 标准，31 个任务无模型得分超 50%。
Z ai 发布 GLM-5.2 开源模型，744B/40B 参数，在 Intelligence Index 上得分 51 领先，并处于智能与成本帕累托前沿智谱AI · 2026/06/17 14:41
Z ai 发布 GLM-5.2 开源模型，总参数 744B，激活参数 40B，在 Artificial Analysis Intelligence Index v4.1 上得分 51，领先于 MiniMax-M3 和 DeepSeek V4 Pro。相比 GLM-5.1，科学推理能力显著提升，CritPt 提高 16 分，HLE 提高 12 分。模型位于智能与成本帕累托前沿，每任务成本约 $0.46。上下文窗口扩展至 1M tokens，采用 MIT 许可证。开发者可通过 Z ai 官方 API 及多家第三方提供商使用。核心观点： 1. GLM-5.2 在 Intelligence Index v4.1 得分 51，领先 MiniMax-M3 (44) 和 DeepSeek V4 Pro (44)。 2. 科学推理提升显著：CritPt +16 分至 21%，HLE +12 分至 40%。 3. 每任务输出 tokens 43k，高于 GLM-5.1 的 26k，成本 $0.46/任务。
智谱AI在ModelScope发布GLM-5.2模型，支持100万上下文、更强编码能力，在多项基准上达到开源SOTA智谱AI · 2026/06/17 10:38
智谱AI在ModelScope发布GLM-5.2模型，支持100万上下文窗口，并显著提升编码能力。该模型在Code Arena全球可用模型中排名第二，在FrontierSWE、SWE-Marathon和PostTrainBench等基准上成为排名最高的开源模型，性能介于Claude Opus 4.7和4.8之间。GLM-5.2采用KV8、LayerSplit、IndexShare等技术实现百万上下文，在Terminal-Bench 2.1上达到开源SOTA，较GLM-5.1提升17.5%。开发者可使用vLLM、SGLang、Transformers进行推理部署。核心观点： 1. GLM-5.2在Code Arena全球所有可用模型中排名第二。 2. 在Terminal-Bench 2.1上达到开源SOTA，较GLM-5.1提升17.5%。 3. 采用KV8、LayerSplit、IndexShare技术实现100万上下文窗口。
DeepInfra 上线 Zhipu AI 的 GLM-5.2 模型，744B/40B MoE、MIT 许可、1M 上下文，在多项基准中领先开源模型智谱AI · 2026/06/17 04:34
DeepInfra 上线了智谱 AI 的 GLM-5.2 模型。该模型采用 744B/40B MoE 架构，MIT 许可，支持 1M 上下文窗口。在 FrontierSWE、PostTrainBench 和 SWE-Marathon 基准测试中，GLM-5.2 表现领先于其他开源模型。DeepInfra 提供该模型的 API 服务，定价为每百万 token 输入 $1.40、输出 $4.40、缓存 $0.25。开发者可通过 DeepInfra 平台直接调用该模型。核心观点： 1. GLM-5.2 采用 744B/40B MoE 架构，支持 1M 上下文窗口，MIT 许可。 2. 在 FrontierSWE、PostTrainBench、SWE-Marathon 三项基准中，GLM-5.2 为表现最佳的开源模型。 3. DeepInfra 定价：输入 $1.40/1M tokens，输出 $4.40/1M tokens，缓存 $0.25/1M tokens。
Z.ai 发布了 GLM-5.2 开源模型，具备 1M 上下文窗口和两种推理模式，专为智能体和长周期编码任务设计智谱AI · 2026/06/17 01:45
Z.ai 发布了 GLM-5.2 开源模型，具备 1M 上下文窗口和两种推理模式（High 和 Max），专为智能体和长周期编码任务设计。该模型在编码和智能体任务上有显著改进，已上线 Venice 平台，对 Pro 用户完全私有可用。核心观点： 1. GLM-5.2 提供两种推理模式：GLM-5.2 (max) 和 GLM-5.2 (high)，分别对应极限推理和高效推理。 2. 模型支持 1M 上下文窗口，专为长周期智能体编码任务设计。
Google 本周发布 Gemini 3.5 Live Translate、升级 NotebookLM 代理与推理能力、全球推出 Project Genie，并开源实验性文本扩散模型 DiffusionGemmaGoogle AI · 2026/06/13 00:55
Google 本周密集发布多款 AI 产品与技术更新：推出 Gemini 3.5 Live Translate 实时语音翻译音频模型；升级 NotebookLM，新增聊天智能体能力、增强推理及多种输出格式；Project Genie 向全球 Google AI Ultra 5x 订阅者开放；Gemini App 的 Notebooks 扩展至欧洲经济区等地；并开源实验性文本扩散模型 DiffusionGemma。对开发者而言，DiffusionGemma 提供了探索非自回归文本生成的新路径，NotebookLM 的升级则强化了 AI 智能体在知识工作流中的实用价值。核心观点： 1. NotebookLM 升级新增聊天智能体能力、更高级推理及新输出格式套件。 2. Project Genie 现面向 Google AI Ultra 5x 订阅者全球推出。 3. DiffusionGemma 是实验性开放模型，采用文本扩散方法实现极快的文本生成。
Xiaomi MiMo 开源 1T 模型，通过 FP4 量化与 DFlash 推测解码，在单节点 8-GPU 上实现 1000+ tps 推理Xiaomi MiMo · 2026/06/08 22:37
大模型高吞吐推理长期依赖专用加速器。Xiaomi MiMo 联合 TileRT 团队开源 MiMo-V2.5-Pro-FP4-DFlash 1T 模型，通过 FP4 量化降低显存占用与带宽压力，并引入 DFlash 块掩码并行推测解码提升验证效率；TileRT 编译器与 kernel 针对上述技术深度定制，最终在标准 8-GPU 单节点上实现 1000+ tps。该方案仅依赖通用 GPU，为开发者提供了可复现的大规模模型高效推理路径。核心观点： 1. FP4量化降低模型footprint与memory traffic，DFlash块掩码并行推测解码单次验证可接受更多token。 2. MiMo与TileRT团队进行模型×系统深度协同设计，TileRT编译器与kernel针对FP4和DFlash精确优化。 3. 1T参数模型在标准8-GPU单节点上突破1000 tps，无需Cerebras晶圆级或Groq SRAM ASIC等专用硬件。