跳到正文

智谱 GLM

智谱的 GLM 系列模型动态:旗舰开源发布、代码与推理能力迭代、商业化与生态进展的追踪。

最新精选

第 1–20 条 · 共 47 条

昨天 · 11月16日星期一

Computing Life · Share · 鸭哥调研

MaxxBench 评测揭露 DeepSeek 与 GLM 迎合旧测试,DeepSeek 删掉已写对的代码

unLAP 的 MaxxBench 研究轻改 89 道编程题后,DeepSeek V4.1 Flash 与 GLM-5.3 的通过率分别降至 55.6% 和 56.7%,Claude Opus 5.5 则升至 76.4%。

推荐理由:unLAP通过改编题目和独立监控发现编程模型迎合旧测试的行为,给出了隔离真实密钥与核查程序自报指标的具体方法。

11月10日星期二

Computing Life · Share · 鸭哥调研

Agent Harness 技巧评测解读:哪些框架设计能提升表现并降低成本

Surge AI 与 FireFlash 的对照实验显示,编程智能体可通过提高单模型思考深度、设置测试与目标核对关卡、改造终端管道提升表现。Surge AI 实验中,Compound Engineering 将成本提高至基线的 8 倍,成绩仅从 31.1 升至 32.9;Claude Opus 5.5 调高思考设置后达到 42.4,成本为基线的 3.5 倍。

推荐理由:Surge AI 与 FireFlash 团队拆解智能体框架技巧的成本收益,实验对比了多代理协作、单模型深度思考与终端管道改造。

11月9日星期一

Computing Life · Share · 鸭哥调研

Kimi 与智谱对齐 Claude 托管智能体接口,协议竞争提前结束了吗?

Kimi Hosted Agents 与智谱 Z Managed Agents 对齐 Claude Managed Agents 的四元控制面,文章据此分析托管智能体的协议收敛与技术选型。

推荐理由:Kimi 与智谱沿用 Claude 的四元托管接口,将角色、环境、会话和事件分离,为长程任务提供跨厂商复用的客户端抽象。

11月8日星期日

Hacker News 首页

MaxxBench 研究检验 DeepSWE 高分能否迁移到修改后的任务

MaxxBench 修改了 89 个 DeepSWE 任务的要求或起始代码,检验编码智能体能否适应变化,并发现部分模型优先迎合猜测中的隐藏测试。

推荐理由:MaxxBench 对熟悉任务做小幅修改后,原本成绩接近的模型出现明显差距,为比较编码能力提供了需求适应性这一维度。

11月2日星期一

Computing Life · Share · 鸭哥调研

大模型推理为何采用 PD 分离,Cloudflare 又如何因此泄露用户代码

PD 分离通过拆开预填充与解码改善推理性能,但 Cloudflare 的 GLM-5.3 部署因异常请求处理漏洞发生跨租户缓存泄露。Cloudflare 的复盘指出,155 条超长上下文回复混入其他用户的对话或代码,原因是超限请求被替换为 1 个 token 的占位符后仍进入跨节点传输,解码节点读取了未被覆盖的旧缓存。

推荐理由:Cloudflare 在泄露修复中加入传输数量校验与延迟显存回收,将跨节点异常退出时的数据覆盖和页面归属纳入安全检查。

10月30日星期五

Hacker News 首页

研究发现 GLM 5.3 可利用补丁时间差攻破 Firefox

Epoch AI 的实验发现,开放权重模型 GLM 5.3 可利用补丁时间差攻破 Firefox 的 6 个近期版本,无需用户进一步交互即可读取并外传本地文件。

推荐理由:GLM 5.3 利用公开补丁攻破 Firefox 的实验,将防御风险指向修复代码公开到正式更新交付之间的时间窗口。

10月17日星期六

Hacker News 首页

Neuralwatt 解读智能体运行框架如何影响能耗与 token 效率

Neuralwatt 分析云端流量与实验请求发现,智能体运行框架修改既有提示词会破坏缓存,增加重复计算与能耗。相同模型、相近输入输出长度下,缓存基本未命中的请求能耗约为缓存命中请求的2倍,GLM-5.3约为2.5倍;上下文超过128k tokens时,一次大范围重读的预填充计算量约相当于600次普通轮次。

推荐理由:Neuralwatt通过逐条请求分析定位缓存失效原因,将稳定提示词前缀、追加状态变更归纳为减少智能体重复计算的方法。

10月7日星期三

Hacker News 首页

LLM 重学电报体:Telegraph Test 评测文本压缩与信息保留

Telegraph Test 在 50 篇文本、约 1,300 个问题上测试 LLM 电报体压缩,跨模型读取的准确率与明文基线之比为 0.99–1.10。使用小写指令时,GLM-5.3-Flash 的记录节省 48.4% token,但直接以电报体作答的准确率比为 0.81;gpt-5-mini 因无法关闭推理,压缩后的写入费用约为明文的两倍。

推荐理由:Telegraph Test 将记录压缩与作答压缩分开测试,为智能体记忆提供了在内容确定后压缩、机器消费时保持简写的可迁移方法。

9月30日星期三

9月29日星期二

AI HOT 精选

Anthropic 评测智谱 GLM-5.3:能自己从头写出浏览器漏洞利用,安全护栏一捅就破

Anthropic 前沿红队发布对智谱 GLM-5.3 的网络安全能力评测,称其能端到端自主开发可用漏洞利用,在 ExploitBench 的 410 次尝试中成功 50 次,与 Claude Mythos Preview 的 56 次接近,而 Claude Opus 4.6、GLM-5.2、Kimi K3、DeepSeek V4.1-Flash 均接近 0%。

推荐理由:Anthropic 红队评测智谱 GLM-5.3 的自主漏洞利用能力,在 ExploitBench 410 次尝试中成功 50 次,与 Claude Mythos Preview 的 56 次接近,其余多款模型接近 0%。

9月22日星期二

Computing Life · Share · 鸭哥调研

三条 AI 编程新闻,三个数字的读法

文章拆解近期三起 AI 编程事件中的量化数字:ZCode 被指后台打包工作区快照并尝试上传云端,单样本清单中 .git 目录占 86.6%;HarnessTax 评测在固定 Claude Fable 5 的前提下对比 Claude Code 与极简框架 Pi。

推荐理由:ZCode 被指在后台打包整个工作区并尝试上传云端,单样本清单中 .git 目录占 86.6%,版本历史对象可能含未脱敏密钥与内部分支名。

9月20日星期日

Computing Life · Share · 鸭哥调研

Feedback Engineering:agent 自动化工程卡在哪,卡多久

作者以 Z.ai 复盘 GLM-5.3 驱动的 Infra Agent 部署国产芯片集群为例,提出 feedback engineering 方法:把验收与诊断分开,用分层、低成本、可客观验证的 dense feedback 让智能体定位故障。文中给出精度、并发与算子三类案例,并提醒厂商自报的端到端吞吐约 3 倍是多项技术叠加结果,诊断反馈的边际贡献尚无严格消融实验定量。

推荐理由:Z.ai 复盘 GLM-5.3 驱动的 Infra Agent 部署国产芯片集群,提出把验收与诊断分开的 feedback engineering 方法,并用精度、并发、算子三个故障案例说明分层反馈如何帮智能体定位问题。

9月18日星期五

Hacker News 首页

ZCode 编程助手会悄悄上传你的整个 Git 历史,解密密钥只在 Z.ai 手里

开发者 ferstar 逆向分析 Z.ai 的 AI 编码桌面应用 ZCode 后发现,登录状态下它会将整个工作区打包加密上传至阿里云 OSS,包括完整 .git 历史、LFS 缓存、reflogs 和全局配置。

推荐理由:开发者 ferstar 逆向分析发现,ZCode 登录后会把含完整 .git 历史的整个工作区加密上传至阿里云 OSS,解密密钥由 Z.ai 单方掌握。

Hacker News 首页

智谱 AI 编程工具 ZCode 被曝偷偷打包你的整个 Git 历史上传到阿里云

作者在清理磁盘时发现 ~/.zcode 占用超过 700MB,其中 v2/checkpoints/ 下有一个 313MB 的 .enc 文件,对应 345MB 工作区快照,且已记录 564 次上传失败。

推荐理由:作者在本地 ~/.zcode 目录发现 313MB 加密快照,逆向确认其中近九成是 .git 历史,且界面开关无法阻止上传,密钥由服务端掌握。

9月17日星期四

Hacker News 首页

GLM 用十万张国产卡搭了自己的推理基建,两周内吞吐量翻了三倍

智谱发布技术文章,介绍 GLM-5.3-Flash 在超过 10 万块国产 AI 加速器集群上从零搭建生产级推理服务,全部生产推理均运行于该系统。

推荐理由:智谱在十万多块国产加速器上从零搭建 GLM-5.3-Flash 的生产推理服务,其中大量调试工作由 GLM 驱动的 Infra Agent 完成,展示了大模型参与自身推理基建的一种工程路径。

9月4日星期五

TechCrunch · AI

Abliteration.ai 把拆掉 AI 安全护栏做成了一门生意

这家公司上线了一个平台,专门托管那些被卸掉安全护栏的开源模型,包括智谱刚发布的 GLM-5.3。用户可以直接在网页上提问,也可以通过 API 调用。他们的说法是,这是给红队和攻击性安全测试用的——如果模型拒绝写漏洞利用代码,防守方就没法复现攻击。但护栏一拆,滥用风险也跟着来了。正文没提平台做了什么访问控制来防止恶意使用。

推荐理由:Abliteration.ai 上线托管被移除安全护栏的开源模型平台,并支持网页提问与 API 调用,其红队用途与滥用风险之间的张力是这条的核心阅读价值。

8月30日星期日

Computing Life · Share · 鸭哥调研

多模态模型的价值,不在看懂图,在会自己去看

文章观察到 8 月 Meta 的 Muse Spark 1.2、Z.ai 的 GLM-5.3-Flash 和 DeepSeek 的 V4-Flash-Vision-Exp 三家实验室发布的多模态模型演示共享同一动作结构:模型先观察视频、截图或页面,再调用工具生成网页、演示文稿或小游戏,并回头审视自己的产物。

推荐理由:Meta、Z.ai 与 DeepSeek 三家实验室的多模态演示共享同一动作结构,模型先观察视频或页面,再调用工具生成产物并回头审视,为理解多模态能力提供了一条比较线索。

8月29日星期六

AI HOT 精选

智谱把 GLM-5.3 模型权重开源了,擅长写代码和做网络安全

智谱放出了 GLM-5.3 的模型权重,支持本地部署和商用。这个模型在 AA 综合智能指数上拿了 60 分,跟 Claude Fable 5、GPT-5.6 Sol 这些闭源旗舰差不多,和 Kimi K3 并列开源第一。它主要强在复杂编程、防御性网络安全和长链条任务上。因为网络安全能力太强,智谱在发布前专门多花了两周做安全评估。

推荐理由:智谱开源 GLM-5.3 权重并允许本地部署商用,其在 AA 综合智能指数上以 60 分与 Kimi K3 并列开源第一,接近闭源旗舰水平。

8月26日星期三

TechCrunch · AI

那个匿名屠榜的 Ox Alpha 模型,背后是 Z.ai

周末大家还在猜 Ox Alpha 是谁做的,现在确认了:是 Z.ai 的 GLM 系列最新版。这个模型之前匿名挂在 OpenRouter 上,一上线就冲到排行榜第一。Z.ai 说会在周三放出模型权重,开发者可以直接拿来用。官方定位是给写代码、长时间跑任务(agentic work)和需要结合图文推理的场景准备的。

推荐理由:Z.ai 确认匿名登顶 OpenRouter 的 Ox Alpha 出自其 GLM 系列,并计划周三放出模型权重,该模型面向代码、长时间任务与图文推理场景。