与「glm52」相关的搜索结果

想买Mac运行大模型? 这是劝退贴 其实估算方法很简单, 现在买 MacStudio 哪怕运行 Qwen3.6-27B 4bit 量化版本, 然后开 DFlash 使用Qwen的内置投机解码, 也就飙到 65token/s. 而现在普遍大模型都能跑到 40 token/s. 如果专门买 MacStudio M3 Ultra 96G 运行大模型, 如果把设备售价 (32999) 换算成使用API, 以 GLM-5.2 为例, 每百万token 28块, 一台 MacStudio 的价格大概能买到 32999/28 = 1178M token. 而为了输出这些token, 买到的 MacStudio 运行 Qwen3.6-27B 要持续运行 209天. 也就是说回本周期至少是200天不间断运行. 然后运行模型才是纯赚. 这还是没算电费和不直接买API而是买套餐的情况.而且, 最重要的是这还是在运行一个只有27B的小模型. 如果真的买512G的 MacStudio (108749, 而且好像已经断货了), 然后运行量化版本的 GLM-5.2, 速度就会跌到只有 17 token/s, 回本周期大概在 7 年左右... 对于现在1.5个月模型就发新版本的情况下, 普通用户自用是绝对不划算的. 所以大部分用户买 coding plan 会更划算, 如果像我一样要测新模型, 直接租卡也会比直接买划算很多. 当然, 如果你本身就有Mac或者显卡, 那么空闲的时候(比如睡觉的时候)让它跑大模型运行任务, 反而是划算的. #本地大模型# #mac# #qwen36# #glm52#

GLM-5.2 刚刚正式发布! 给大家带来实测! 直接说结论本次测试中, 提升最大的是Agent能力, 而且是有质的变化! 测试中GLM-5.2 完全不用搜索附近的位置, 就能直接去想要到达的地方. 这一切竟然是它在一开始把地图背下来了! 这在我测试的20多个模型中之前是没有一个模型能做到的, 比如之前的模型想去换电站, 那么都要搜一下附近有哪些换电站(这就会浪费一次tool_call), 而GLM-5.2直接就知道换电站的位置! 从来没用过搜索函数. 这种一开始就把需要的数据内化到上下文中, 并且能够贯穿整个1M上下文进行推理的能力真的是叹为观止. 除此之外, 本次测试后端代码的 Agentic Coding 能力也有提升, 来到了总榜的第二名. 而本次测试暴露出最大的短板则是空间理解. 其实成也萧何败也萧何, 它虽然把换电站的位置都背下来了, 但是去的换电站却不是最近的, 所以虽然记住了, 但是记住了之后在用之前再根据自己当前所在位置推理一下, 他还是没有做到的, 这也是最大的短板了, 强烈建议官方优化一波. #GLM52# #智谱# #智谱AI# #AgenticCoding# #长上下文能力#

正在用 zcode_glm53flash 整理书签，说存在不合规的东西，问题是有问题的你给过滤掉就行啊，不能不干活啊。 这就太离谱了吧，那以后谁要是干点文档之类的活。一旦你检测到什么敏感词，用户又不知道，模型就干不了活，那 tmd 还用什么 AI。 你看看人家 workbuddy 里面的混元，人家就能避免这种问题😓

Astra仍然是目前最接近SOTA的非Claude系列模型，当然价格也是 A/要是封号不严重的话，基本上没GPT什么事情了 只看刷分+API定价的话 1，主流国模都在一个水平线，价格确实有差距，k3.1pro居然反杀glm5.3 2，opus稳步提升成绩 3， gpt6.1sol是最性价比的模型，次选是opus5.5xh 4， gemini4argon不适合coding 5， gemini4h/4c、gpt6astra、claude sonnet/opus/fable最新版本的性价比基本接近，主要影响极限能力上限和价格（xh/max） 6，claude模型只需要xh，gemini模型只需要h，其他模型都是越思考越好

🚨重磅！GLM 5.5最快将于本周发布！将掀起开源模型全新高度！ 智谱Zai创始人唐杰清华早已暗示两大飞轮RSI、后训练将铸就 GLM-5.5 成为无敌的存在！ 🔹飞轮已跑通：500M代码仓库→千万级Issue-PR合成→GLM-5 Agentic Engineering；合成沙盒→GLM-5.1自主执行；Agent自己造动态环境→GLM-5.2长程任务；网络安全环境，漏洞+PoC+Exploit→GLM-5.3。每一步都在用上一代模型生产下一代的训练数据。 🔹数据墙被击穿：Chinchilla定律明确，固定数据无法消除数据依赖损失。精选Web数据（RefinedWeb）远超原始语料，为飞轮提供高质量燃料。 🔹GLM 5.5是闭环产物：GLM-5.3已驱动Infra Agent在10万国产卡上自己优化推理系统，两周吞吐提升3倍+。飞轮继续转，5.5的后训练+自我进化环境只会更硬核，量化金融、代码沙盒、长程Agent全线拉满。 从Vibe Coding到Agentic Engineering，再到数据飞轮自我强化，5.5不是简单迭代，是这套系统第一次真正闭环后的产物。 #GLM55# #智谱# #唐杰# #数据飞轮# #RSI# #AgenticAI# #开源大模型# #清华# #AI# #Zai#

谁能告诉我token值多少钱，这不中秋节后第一天上班，烧了了8亿token毛毛雨啥也没干成 最开始编译内核用的是DeepSeek一直没成功 后面是Kimi成功，但网络不行，修复不了 现在用GLM5.2，也不怎么行，智障离谱 大佬们到底啥AI好用，感觉这种大问题，不好试错，AI一直瞎搞把token浪费了 编译老内核支持新特性的，浪费太多时间，开机、刷入、又重启了

GLM5.3-Flash重磅发布！！！ 原来之前吵得沸沸扬扬的Ox Alpha竟然是它啊 这是一款具备原生多模态能力，支持100万上下文窗口的大模型 性能强悍，价格亲民 参数规模: 320B–A18B 支持MIT许可 这下Deepseek有压力啦

在GLM5.3没有降智的情况下， 做出了大家需要的多模态 还能每天100T的免费供应， 并且全是国产芯片提供算力支持。 现在认领了开源，价格低到离谱。 新的斩杀线出现了，并且斩到脖子了。 @jietang 老师你们到底建了多少厂？

听好多朋友说 GLM5.3 比降智的 5.6Sol 要强的多，不知道真的假的 刚好 Codex 这周额度不够用，想着去买个试一下，结果这价格直接劝退了好吧...... Pro 都 538 了，有这钱我买 GLM 干嘛，，，我不如直接开个5x了，，，还是 Kimi 比较仁义，除了慢，其它都挺好

From Mecha Hitler to SOTA rare-disease diagnosis in children? @SpaceXAI's @grok 4.6 has taken the 👑 on RareBench, edging out @AnthropicAI Claude Opus 5 for about 1/3 the cost. This was not on my 2026 bingo card! @deepseek_ai's new v4-pro-0813 model underperformed my expectations, v4-flash, and seemingly the entire internet's. We accessed using DeepSeek's 1P API on the day of release and I almost wonder if they didn't switch over their model endpoint correctly. We will re-benchmark and report back. @Zai_org has attracted a following with GLM5.2, but they, too, underperformed. This doesn't surprise me because when I compared GLM and @Kimi_Moonshot K3 for coding use-cases, I found Kimi substantially stronger, but the internet seems to love this model.