GLM-5.2 是开放智能体的一次台阶式变化

例行事项：继我上周的“博客现状”一文指出付费功能略有增加之后，现在正是提醒大家的好时机：我提供团体订阅，折扣随席位数量增加而提高。
我今天还发布了一篇关于终端智能体开放 RL 配方的新论文，详情请见此处。

大约一周多前，当 AI 界仍在为 Claude Fable 5 遭到出口限制及事实上的封禁这一惊人消息而震荡时，Z.ai 发布了他们的最新模型 GLM-5.2。该模型异常地在 6 月 13 日星期六向 GLM Coding Plan 会员推出。这是一种不寻常的发布做法，通常当 AI 模型在周末发布时，背后总有个奇怪的原因（最著名的例子是 Llama 4）。1 就此次而言，Z.ai 似乎急于借“Anthropic 反开放科学”这一时代情绪获利——因其对 AI 研究人员的无声防护措施。在过去一两年里，中国的开放权重实验室抓住每一个机会，获取这类轻而易举的营销胜利。

分享

GLM-5.2，按照业界常见的命名惯例，看起来可能只是热门模型 GLM-5.1 之后的一次增量更新。此时，Kimi 模型的创造者 Moonshot AI 和 GLM 模型的创造者 Z.ai 已经巩固了声誉市场的顶端，拥有 AI 研究人员中最受喜爱的开放权重模型。随之而来的，是一个追踪 AI 模型时的常见教训：往往只是次要版本号的变动，就能让 AI 模型跨越有意义的用户体验门槛。基准测试和训练的微小变化，就能开辟出广泛的新用例。

随之而来的是对 GLM-5.2 缓慢升温的炒作浪潮。官方 MIT 许可的模型权重和发布博客在初始推出三天后，即 6 月 16 日发布。人们可以絮叨许多技术细节，比如强劲的基准测试分数、Z.ai 使用的极受欢迎的 RL 框架（SLIME）、建议始终以 Max 思考强度使用该模型等等，但最初的发布博客通常并非关注重点。你可以等一等，看看生态系统的反应，来判断它是否货真价实。反正如今基准测试已经半死不活了。

16 日随后出现的是一大批社区基准测试，显示 GLM-5.2 的结果超出预期。Arena 的智能体排行榜上，它是唯一一款与 OpenAI 和 Anthropic 最新模型同场竞技的开放模型（尤其值得一提的是，Opus 4.8 的无思考努力模式与 GLM-5.2 的 max 模式打成平手）。这是 GLM-5.2 碾压 Gemini 的众多评估之一，不过那是另一个话题了。一个在社区中看法不一（尤其是在真正的设计师群体中）的基准测试——Design Arena——甚至显示 GLM-5.2 击败了 Claude Fable 本身——那台最近被封禁的炒作机器！

在AI评论界和研究者群体中，我尊重的几乎所有人都在亲自使用后对这款模型赞不绝口。社区中如此明确的讨论焦点，此前只在一个开放模型发布时出现过——DeepSeek R1。这个比较我并非轻率做出，而当我曾将Kimi K2的发布比作“DeepSeek时刻”时，GLM-5.2已远远超越了那一次。Kimi K2令人印象深刻之处在于，开放模型性能的大幅跃升似乎可以来自中国的任何地方。而GLM-5.2所迈出的这一步，更像是AI进步的一扇单向门。

Anthropic凭借Claude Code实现的创纪录营收增长率，很大程度上源于它是最佳模型，也是唯一真正能做到这一点的模型。GLM-5.2是众多（即将到来的）开放权重模型中第一个提供可信替代方案的。这一类比非常清晰，正如DeepSeek R1曾表明，资源远为匮乏的开放权重实验室也能复现OpenAI以o1率先推行的思维链推理模型。随着AI系统变得愈发复杂、构建成本愈发高昂，涉及工具、集成式运行框架和规模化模型权重，GLM-5.2这一时刻能否发生，本就并非理所当然。

关键在于，GLM-5.2是在编程运行框架中作为通用智能体感觉对了的开放权重模型。它是第一个。我个人早就该尝试近期的一些同级模型，比如Kimi K2.7或GLM-5.1，但热度太高，让我无法忽视。我把它投入实际工作，在Claude Code中借助Fireworks的API为我的后训练课程制作内容（搭建过程非常简单）。过程中也有一些小磕碰，比如Claude Code运行框架／我的仓库文档试图向模型发送图片，这会让Fireworks API在该会话中卡死——迫使手动清空上下文。总体而言，模型的能力立刻让人感觉对了，在使用哪个运行框架和推理提供商上，我还有一些需要斟酌的地方。

想要更多热度，你可以看看Z.ai创始人告诉Elon的那句“开放权重的Fable能力会比2027年第一季度更早到来”，Vercel的CEO表示“对@zai_org的GLM-5.2在编程上的出色表现真心印象深刻，几乎震惊。这改变了格局”，还有来自各色人等的更多评价——其中既有我深为尊重的人，也有我刚刚认识的人。

Interconnects AI是一份由读者支持的出版物。欢迎考虑成为订阅者。

那么，这是一个好模型，它把我们带到了何处？

有许多趋势在起作用。首先，让我们立足于开放与闭源模型之间的能力差距。我曾写到，如果开放模型从2026年初前后跨过Claude Code中Opus 4.5的门槛，我预计会迎来“使用量的爆发”。现在我们正身处其中。Claude Opus 4.5于2025年11月24日发布，到GLM-5.2于2026年6月16日发布，时间差为204天——约6.8个月。这恰好落在许多人宣称的美国闭源实验室与中国开放对应产品之间6至9个月的性能滞后区间内。

写下这些时，我感到惊讶。随着美国实验室在过去约一年里如此迅速地扩大算力，我本以为性能差距会随着时间推移而拉大。这条轨迹上一个非常重要的步骤将是 Claude Fable 5 的发布——相对于 Claude Opus 系列模型，它更依赖规模，因而也更依赖最先进的 GPU。不过，这还不是一个令人满意的答案。要继续在这里展开这条轨迹，涉及的细微之处比我在这篇预告性文章里所能容纳的要多得多。

这件事最直接的意义是，在那些疯狂消耗 token 的组织内部，定价压力将变得严峻得多，从而把 Anthropic 的收入送上月球。有人会预测 Anthropic 达不到其预期的 ARR 数字，但我认为这没有计入这些模型的真实需求以及不可避免的增长。这个模型的存在对开放模型经济是一大福音。Fireworks、Together、Thinky（通过 Tinker）、Prime Intellect，以及其他所有销售开放模型推理或微调服务的玩家，都刚刚又撞上了一个拐点。

这里的影响要扩散到更广泛的经济（以及用例）中还需要很长时间。工作流正变得越来越复杂，人们用不同的模型来做规划、主要编码和子代理调度。我预计这种热度会持续增长，而且，嘿，我在一个周日晚上写下这些时，我能预见到周一媒体和市场的反应会像 DeepSeek R1 发布时那样成为一件大事。这种扩散发生在 Anthropic、进而也是美国的旗舰模型仍被禁用之际，是一把严重的经济匕首。GLM-5.2 正获得时间，去切走前沿实验室的经济腹地——而后者本想向前推进到只有绝对前沿模型才能开启的更高利润率、更高收入的领域。

这种经济层面的担忧映照出 AI 领域已被讲述过许多次的故事，所以它何时会真正站稳脚跟尚不清楚。

更贴近 AI 发展轨迹的讨论，是对开放模型的监管与控制。我认为廉价智能广泛扩散是一种经济善，我们的默认立场应当是支持开放模型，但这个模型的发布日期将使其在 AI 权力结构的心智地图上，永远与 Claude Fable——进而与 Claude Mythos——联系在一起。我们正处于这样一个节点：Mythos 级模型的能力被美国政府认定为不宜发布，而中国的模型开发者却在向所有人可用的能力上奋力推进。

这些趋势线未必存在因果关联，因为我们不知道 GLM-5.2 相对于其前代在网络安全方面的表现，但其能力肯定是相关的。如果一切不变，这指向一种可能：美国政府认定某个特定的中国开放权重模型对公众不安全。这里还有许多其他可能的情景，但明确的是，我们在把它们梳理清楚、准备我们的基础设施以及向社会传递信息方面，还有大量工作要做。

要为一个如何管理能力日益强大的开放模型的世界设想并向决策者传达愿景，需要的人远不止我一个。2 我们还有多年的 AI 进步在前方，Nvidia 的下一代芯片已经投入生产，算法进步也源源不断。对开放模型的倡导者来说，这似乎是一条狭窄的道路，但我们需要弄清楚如何让它们可行，这样性能的巨大飞跃就不会只流向闭源模型。

我完全理解，想象一个可公开访问的 Mythos 级模型为何令人恐惧，但如果开放模型现在被禁止，而只有闭源模型在两年内变强 10 倍或 100 倍、掌握在一两家公司手中，我认为我们将会面临更大的问题。

1

一直让我印象深刻的是中国实验室发布模型的速度。我从多个实验室听说，模型训练完成后把权重公开上传到 HuggingFace 的时间可以用小时而不是天来衡量。这一点至少有所放缓，因为他们现在需要准备为更广泛的推理市场提供模型服务。

2

需要更多讨论的是，即便是闭源模型，例如 Mythos 预览版，也经常落入未授权用户手中或被越狱。因此，在访问权限上，开放与闭源的对立并非完全黑白分明。