#GLM
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
- 模型发布2026-08-27 · 周四重要度 4/5
Z.ai发布GLM-5.3-Flash成本模型
Z.ai 8月26日更新GLM-5.3-Flash官方页，称320B总参数、18B激活参数，在Artificial Analysis指数中每任务折扣价0.045美元。
- 这条的价值在成本叙事：Z.ai把国产AI芯片集群、EPD服务架构和多模态编码能力放在同一篇发布中。
- 分数和价格主要来自厂商与榜单，仍需真实工作负载验证。
- 产品上新2026-07-02 · 周四重要度 2/5
Codex App / CLI / SDK 可搭配任意开源模型使用:Codex 切换为 GLM 已成可用模式
@thsottiaux 提醒:Codex App、CLI、SDK 可搭配任意开源模型使用,不限于 OpenAI 模型;@zarazhangrui 进一步指出可以把 Codex 的模型切换为 GLM。这意味着 Codex 不再是 OpenAI 模型的专属载体,开发者可以用 Codex 的产品形态跑任意开源模型——BYOK 范式在 OpenAI 自身产品上的落地。
- Codex 支持任意开源模型,这意味着 OpenAI 自家产品 Codex 也在做『BYOK 兼容』
- 开发者可以保留 Codex 的产品体验,同时把模型切换为 GLM / Qwen / DeepSeek / Llama 等开源选择。
- 行业动态2026-06-29 · 周一重要度 4/5深度报告 →
Coinbase 把 GLM 5.2 / Kimi 2.7 设为默认,AI 支出砍近半,LibreChat 缓存命中率 5%→60%
Coinbase CEO Brian Armstrong 6 月 29 日公开一组工程实践数字:在 token 用量持续指数级增长的同时,通过把智谱 GLM 5.2、月之暗面 Kimi 2.7 等开源权重模型设为默认,并叠加 LLM 网关的路由与缓存优化,让 AI 支出砍近半;LibreChat 的缓存命中率从 5% 拉到 60%,91% 的员工从未触及任何用量上限——核心抓手不是「摩擦+限额」,而是「更好的默认值+路由+缓存」。
- 行业动态2026-06-29 · 周一重要度 3/5
待验证｜GLM 下一版本社区调研:评论区几乎被 vision 和 token efficiency 占满
智谱 GLM 团队 ZixuanLi_ 6-29 转发 jietang 调研:下一代 GLM 必须有什么新特性?评论区几乎被'vision'(视觉/多模态)和'token efficiency'(token 利用率/上下文效率)两类反馈占据。
- 智谱 GLM 与月之暗面 Kimi / DeepSeek / Qwen 的下一版竞争焦点集中在两点:多模态(vision / 视频)和 token efficiency(长上下文压缩 / 缓存命中)
- Coinbase(同日)把 GLM 5.2 / Kimi 2.7 设为默认,意味着开源权重派已经被压到'必须把 vision + efficiency 做扎实'才能保住企业级客户。
- 模型发布2026-06-27 · 周六深度报告 →
智谱 GLM-5.2 开源登顶 Code Arena,距 Claude Opus 4.8 不到 1%
智谱 AI 开源 GLM-5.2(Max),7440 亿参数、100 万 token 上下文、MIT 协议,在 Code Arena 前端赛道排第 2、仅次 Fable 5,击败全部 Claude Opus 变体(含 4.8/4.7 Thinking),距 Claude Opus 4.8 不到 1%、软件工程基准击败 GPT-5.5,API 比同等性能美国模型便宜 85%。All In 节目估计中国模型技术落后约 9 个月、芯片落后约 24 个月,但已用华为昇腾完成 GLM5 家族训练。
- 产品上新2026-06-26 · 周五
NVIDIA/vLLM 发布 GLM-5.2 NVFP4 量化版,一行命令本地起服务
NVIDIA 与 vLLM 官方发布 GLM-5.2 的 NVFP4 4-bit 量化 checkpoint,vllm serve nvidia/GLM-5.2-NVFP4 即可起 OpenAI 兼容 API;针对 Blackwell 大幅削减 VRAM,且在推理/编码/1M 上下文上对精度持平。GLM-5.2 为 753B 参数 MoE,擅长 agentic 负载。
- NVFP4 让 753B 级开源模型在单机 Blackwell 上零云成本跑 agentic 负载成为现实,是开源权重"可用性"的一次实质跃迁。
- 但它也暴露矛盾:开源模型要靠 NVIDIA 官方量化才好用,硬件生态话语权仍握在闭源一方。
- 模型发布2026-06-22 · 周一重要度 4/5深度报告 →
智谱 GLM-5.2 开源压成本:753B MoE、MIT 许可,自报 SWE-bench Pro 62.1
智谱(Z.ai)于 6 月 13 日发布开源 GLM-5.2:753B 参数 MoE(约 40B 激活)、MIT 许可、1M 上下文。官方自报 SWE-bench Pro 62.1(vs GLM-5.1 的 58.4)、Terminal-Bench 2.1 约 81.0,API 价约 $1.40/M 输入、$4.40/M 输出,折合约 GPT-5.5 的六分之一。本地部署据称需至少 8 张 H100(FP8)。
- 开源前沿模型『以价换量』的主线在 6 月持续:MIT 许可移除法律门槛,价格再压一个数量级,把推理成本压力直接传导给闭源厂商。
- 但要冷静看待——这些 benchmark 是厂商自报,各源对 Terminal-Bench 口径已出现分歧(81.0 vs 62/63.5),且本地跑满需 8×H100,真正的门槛从『许可』转向『算力』。