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。
过去几天 AI 编程圈出了三件事。ZCode 被发现在后台把整个项目连同 Git 历史打包加密，排队往云端传，快照里 .git 对象占了 86.6%，但官方说数据会立即销毁，目前没有第三方验证。HarnessTax 的评测把同一个模型 Claude Fable 5 装进不同框架跑题，官方 Claude Code 和极简框架 Pi 成功率几乎一样（97....
推荐理由：三条 AI 编程新闻绑在一起讲，每条都带一个能记住的数字。ZCode 上传 Git 历史是硬安全事件，有 ferstar 的取证报告和社区复现支撑；HarnessTax 评测暴露了框架包装对模型能力的干扰；微软的架构案例给出了一个省钱路线。HKR 全中，安全、知识和共鸣都到位。
Z.ai 复盘了用 GLM-5.3 驱动的 Infra Agent 在国产芯片集群上部署推理服务的经历。核心发现是：只给 agent 一个端到端性能总分，它就会陷入盲猜循环，根本不知道代码坏在哪。工程师把验收和诊断拆开，用数值差异比对、执行时间线追踪和局部微基准测试搭了一套分层反馈体系，让 agent 能顺着线索定位到具体代码路径。文章用三个真实故障案...
推荐理由：Z.ai 用 GLM-5.3 在国产芯片上部署推理服务的复盘，把 agent 自动化卡壳的根因归结为反馈信号太粗糙，并给出了一套分层诊断的解法。概念新鲜、痛点尖锐，三个真实故障案例让方法论落地。分数没给更高是因为正文对部分技术细节（比如微基准测试的具体指标）展开不够，但整体对 agent 工程实践者很有参考价值。
开发者 ferstar 逆向分析了 Z.ai 的桌面编程助手 ZCode，发现只要登录，它就会把整个工作区——包括完整的 .git 历史、LFS 缓存、reflog 和全局配置——打包加密，然后传到阿里云 OSS。一个 345MB 的商业项目被压成了 313MB 的加密包，其中 .git 目录占了 86.6%。更关键的是加密方式：它用信封加密，对称密钥...
推荐理由：这是一次有实锤证据的安全披露，不是猜测。逆向分析把上传内容、加密方式和密钥归属都讲清楚了，对用 AI 编程助手的人来说是直接的风险警报。没给更高分是因为目前只涉及 ZCode 这一款产品，影响面还没扩大到整个 GLM 生态，但证据本身够硬，值得让开发者立刻检查自己有没有在用。
有用户发现，智谱的 AI 编程桌面软件 ZCode 在登录状态下，会悄悄把你整个工作区——包括完整的 .git 历史、LFS 缓存和 reflog——打包加密，然后上传到阿里云 OSS。更离谱的是，加密用的 RSA 公钥是服务器实时下发的，私钥只存在云端，你自己硬盘上那个几百 MB 的加密文件根本解不开。有人在 ~/.zcode 目录下找到一个 313...
推荐理由：一篇有实锤的安全逆向文章。作者在本地目录找到了打包好的加密文件，并确认加密密钥由服务端控制、本地无法解密，技术链路清晰。涉及智谱这样的主流 AI 实验室，且行为发生在登录状态下，对开发者信任冲击很大。我会先打个折，因为目前是单人逆向发现，还没有更多第三方复现或智谱的正式回应，但现有证据已经足够让用户警惕。
智谱把 GLM-5.3-Flash 的推理服务全跑在了十万多张国产 AI 加速卡上。芯片内存小、带宽低、软件生态也不成熟，团队没全靠人堆，而是让 GLM-5.3 自己当“基建 Agent”去定位瓶颈。他们把端到端的稀疏指标拆成内核正确性检查、微基准测试和执行轨迹这些可追溯的细粒度反馈，Agent 就能直接揪出问题在哪。配合张量并行、W8A8 量化、混合...
推荐理由：智谱让 GLM-5.3 自己当 Agent 去调试自家推理基建，跑在十万多张国产卡上，这个切入点本身就很有话题性。技术细节也给得实在，比如把稀疏指标拆成可追溯的细粒度反馈，配合 W8A8 量化，不是那种只讲故事的公关稿。不过正文在关键的性能和稳定性指标上截断了，这点先别太激动，等完整数据出来再判断实际效果。
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：把拆护栏做成平台生意是个新信号，点名托管 GLM-5.3 让事情变得很具体。HKR 全中，但正文完全没提访问控制，滥用风险敞口太大——我会先打个折，分数卡在 featured 门槛上。
8月，Meta、Z.ai和DeepSeek三家实验室不约而同地展示了同一种多模态模型用法：模型先观察视频或截图，调用工具生成网页、幻灯片或小游戏，再回头审视自己做出来的东西。这跟2023年RAG从静态检索变成模型主动搜索的转折很像，但这次闭环方向反了——模型是先产出，再自己看一遍来验证。评测方式也跟着变了，Meta的WildArtifactBench不...
推荐理由：三家实验室独立演示了同一个多模态用法，把视觉从被动理解变成主动验证，类比2023年 agentic RAG 的范式转移很有说服力。扣分是因为这是评论性综述而非一手研究，但判断准确、信息密度高，对从业者有直接启发。
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。另外，年收入超过 100...
推荐理由：智谱把 GLM-5.3 的权重直接开源了，允许本地部署和商用。模型在 AA 综合智能指数上拿了 60 分，跟 Claude Fable 5、GPT-5.6 Sol 这些闭源旗舰打平，和 Kimi K3 并列开源第一。它主攻复杂编程、防御性网络安全和长链条任务，因为网安能力太强，发布前专门多花了两周做安全评估。正文没提模型参数量和具体推理成本，这点先别太激动。年收入超过 100 万的商用需要单独谈授权，小团队和个人开发者可以放心用。
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。我会先打个折，具体跑分和实测表现正文没给...
推荐理由：匿名模型登顶后揭晓身份，本身就有新闻性；Z.ai 还承诺周三开源权重，并明确把模型定位在代码、agent 和多模态推理上。分数没给更高是因为正文没给具体跑分和实测数据，实际能力还得等上手验证。
之前以匿名身份在评测榜上冒出来的 Ox Alpha，现在被 Z.ai 认领了。公司确认它属于 GLM 系列，并计划把模型权重放出来给大家用。跑分成绩和 DeepSeek 很接近，但参数量、训练数据、具体开源时间这些关键信息都没说。我会先打个折——没看到技术细节和许可证之前，这更像一次预热，离真正能用还有距离。
推荐理由：Z.ai 认领了之前匿名刷榜的 Ox Alpha，确认是 GLM 系列并承诺开放权重，Bloomberg 独家报道增加了可信度。但参数量、训练数据、具体发布时间都没说，目前更像一次预热，离真正能用还有距离。
GLM-5.3 在 Artificial Analysis 智能指数上拿了 60 分，跟 Kimi K3 并列开源第一，但 open weights 要等到 8 月 28 日前后才放出来，因为团队在训练后期发现模型意外学会了多步漏洞利用，得先做安全加固。Anthropic 给 Claude 加的文字水印已经全球生效了，可检测 API 还没影，所以市面上...
推荐理由：这条摘要把四条新闻串成一个信息密度很高的周报，GLM-5.3 登顶却因意外学会漏洞利用而推迟开源的细节是核心钩子，既有硬数据又有安全层面的新变量。Anthropic 水印和 OpenAI 解散团队的点也补充了行业动态。因为不是一手爆料且正文被截断，所以放在 featured 档的偏低位置。
唐杰在 X 上发了一长串帖子，核心就一句话：光看参数量没意义，得把数据量、算力花在哪、模型在什么条件下跑这三件事一起看。GLM 5.3 的提升全靠强化学习在长周期环境里训出来的，有些任务模拟了工程师好几天的工作量，比如给模型一个真实的集群环境，让它自己诊断瓶颈、做优化、跑实验，最后交出可衡量的加速结果。他们搞了一套全自动的合成管线来生成这种可执行、可验...
推荐理由：唐杰亲自下场解释 GLM 5.3 的后训练缩放定律，举了模拟集群诊断和优化的实验案例，不是纯话术。但来源是付费 newsletter 的节选，正文没披露具体的加速比、任务成功率这些关键数字，所以判断先打个折——思路有料，验证还得等更多数据。
GLM-5.3 和上一代用的是同一个基座模型，所有提升全来自后期训练。编程能力在内部 Z.ai Code Bench 上比 5.2 高了 50%，Terminal Bench 3.0 从 4.6 分跳到 28.3 分。更意外的是漏洞利用能力涨得比预期快：ExploitGym 2 小时得分从 29 涨到 105，6 小时从 39 涨到 130。团队把原因...
推荐理由：GLM-5.3 和上一代用同一个基座，所有提升全靠后期训练。编程分涨了50%，终端操作从基本不会（4.6分）变成能干活（28.3分）。更扎眼的是漏洞利用：2小时得分从29跳到105，6小时从39跳到130。团队自己说这块能力涨得比预期快，我会先打个折——内部评测的绝对值不能直接跟外部基准比，但涨幅摆在那里。正文没披露后期训练具体用了什么方法和数据，这点信息缺口挺大。
SaferAI 出了一份报告，拿智谱的 GLM-5.2 做了评估。这个开源模型在能力上已经快摸到 OpenAI GPT-5.6 Sol 和 Anthropic Mythos 这些闭源顶配了，但在网络安全、生物风险、说服力和自主行动四个维度都被判了“高风险”。报告里说，模型本身没带什么像样的安全护栏，等于把一辆没装刹车的高速跑车直接扔到街上。我会先打个折...
推荐理由：SaferAI 这份对 GLM-5.2 的评估把开源模型的安全短板用四个维度的风险评级摆到了台面上，不是空口说白话。开源模型能力逼近闭源前沿这个事实本身就值得关注，但因为是第三方复述报告，不是一手评测，所以分数定在 78 不往上调。
自己买显卡跑模型多久能回本，答案从两个月到二十七年都有，差别全在对比基准上。如果替代云端 API 的冷启动全价，8 张 H200 跑 GLM-5.2 约 1.15 年回本，两张 RTX PRO 6000 跑 DeepSeek-V4-Flash 约 1.77 年。一旦进入 Agent 多轮对话场景，前缀缓存命中率假设 92%，GLM 用 8 张 B300...
推荐理由：一篇用第一人称算账的文章，把自托管 GLM-5.2 和 DeepSeek-V4-Flash 的回本周期拆成不同场景来比。硬件型号、电费、吞吐量都给出来了，不是拍脑袋。没给更高分是因为它本质上是单次成本测算，没有涉及模型效果、运维复杂度或长期折旧策略，但作为决策参考已经够实在。
Nathan Lambert 和 Florian Brand 聊了近期开源模型的动态。Kimi K3 上周发布，模型权重承诺 7 月 27 日放出，但 API 目前错误率很高——Lambert 开了 200 美元套餐，暂时还算稳定。他们认为 K3 的微调潜力很大，不过光加载权重就需要一整台 B300 节点，门槛不低。Qwen 宣布下一代主力模型会开放权...
推荐理由：这期播客是 Nathan Lambert 和 Florian Brand 的季度盘点，不是一手发布，但信息点很实：Kimi K3 权重放出日期、API 稳定性问题、加载门槛、Qwen 开源承诺、WAIC 演讲信号，以及知识蒸馏和开源闭源差距的讨论。我会先打个折，因为有些话题只是点到为止，正文没展开技术细节。不过对关注国产开源模型动态的人来说，这几个信号拼在一起已经够用，所以给了 featured 和 72 分。
作者把 GLM 5.2 当主力用了两周，发现大部分任务上跟 Claude Opus 几乎分不出区别。切换成本极低，把 API 地址指向兼容的服务商就能直接在 Claude Code 里跑。两个硬伤：不支持图像识别，内置的网页搜索又慢又差，导致依赖看图或实时查资料的自动化流程跑不起来。推理价格大约每百万 token 4.40 美元，不到 Opus 零售价...
推荐理由：作者拿 GLM 5.2 当主力用了两周，给了可复现的切换路径和价格对比，不是通稿。两个硬伤限制了分数：只测了编程场景，视觉和搜索的短板让结论的适用范围收窄。单篇博客实验，样本就一个人，我会先打个折，所以停在 78。
Anthropic 发布最强编码模型 Fable 5 三天后，被美国出口管制强制下线 18 天。OpenRouter 的逐日 token 数据显示，这期间平台总流量从 24T 涨到 32T，但 Anthropic 的份额从 20.7% 跌到 17.6%，绝对流量也缩水了。最大的赢家是 GLM，份额从 1.8% 飙到 7.4%。一个诡异细节是，GLM-5...
推荐理由：这篇文章用 OpenRouter 的逐日 token 数据，给 Fable 5 被禁 18 天这件事做了个定量归因。Anthropic 丢了 3.1 个百分点的份额，GLM 吃进 6.7 个百分点，还附带一个反常识的细节：GLM-5.2 发布后，老版本 GLM-5.1 的流量反而暴涨了四五倍。结论有数据支撑，而且指向一个很多人没料到的赢家，对从业者判断模型替代关系和供应链稳定性有直接帮助。
彭博社援引知情人士消息，中国 AI 公司智谱正在考虑在香港市场进行一次数十亿美元级别的股票增发。这家公司的股价此前已经涨了大约 20 倍。报道没披露具体的募资金额、时间表和承销商是谁。我会先打个折：这还只是“在考虑”的阶段，没到正式启动那一步，所以别太激动。另外，正文也没说这笔钱打算怎么花，是继续烧算力还是补现金流，目前看不出来。
推荐理由：智谱在股价涨了20倍后考虑去香港做数十亿美元增发，这对国内AI行业是个重要的融资信号。但报道只确认了“在考虑”阶段，金额、时间、用途全没披露，所以分数卡在featured这一档。
Tech Stackups 让两个模型不用任何游戏引擎，从零写一个 WebGL 3D 平台跳跃游戏。Opus 4.8 花了 33 分钟就交出一个更干净、能跑通的结果，而且它能自己检查画面效果。GLM-5.2 用了 1 小时 10 分钟，但实际只花了 5.39 美元，大概是 Opus 的四分之一。GLM-5.2 是个纯文本模型，看不懂图，这对依赖截图的开...
推荐理由：这是一次真人实操对比，不是跑分复读。Opus 33 分钟交卷 vs GLM-5.2 1 小时 10 分钟但成本只要四分之一，信号够强，给 featured 合理。没给更高是因为场景局限在纯代码生成，而且原文后半截被截断了，缺了 GLM-5.2 纯文本模型看不懂截图那部分的完整结论，信息有缺口。