GLM

10 月 8 日，一条不显眼但分量很重的快讯在行业雷达上闪过：以「把广告利润投去种树」闻名的德国环保搜索引擎 Ecosia，正式宣布切换模型底座，改用中国开源大模型——通义 Qwen、智谱 GLM 与月之暗面 Kimi。一家把隐私和价值观写进产品基因的欧洲搜索引擎，主动绕过了美国闭源 API，把推理负载压在了三个中国开源权重上。 德国环保搜索引擎 Ecosia 为什么转投中国开源模型？ Ecosia 的用户对价格、隐私、数据流向极其敏感。它此前依赖的闭源 API 既贵，又把查询数据交给美国厂商，与「公益+隐私」的品牌叙事天然冲突。而 Qwen、GLM、Kimi 这一年在开源权重、本地化部署、单位推理成本上的进步，刚好补上了它要的三块短板：可以自托管、不必把搜索Query送进第三方云、单价低到能支撑「种树级」的低毛利生意。 更关键的是「可自托管」。对一家把「数据不出欧盟」当卖点的公司，开源权重意味着推理可以放在自己的机房，合规叙事一夜之间通顺了。 这只是一次普通切换，还是一场生态投票？ 把这件事放在大背景里看：欧洲在自研大模型上一直没能跑出能打的旗舰，Mistral 之外选择有限，而 EU AI Act 的合规成本又在抬高闭源采购的门槛。中国开源模型恰好卡在这个真空里——权重免费、可审计、可私有化、多语言能力够用。Ecosia 不是第一家，但它是最有「价值观话语权」的一家，它的切换等于替整个欧洲中小互联网公司做了一次示范。 对国内模型厂商，这比任何一次海外发布会都实在：真正的护城河不是榜单分数，而是「能让一家严肃的欧洲公司敢把生产环境搬上来」的工程成熟度。 切换成开源权重，利润真的会回流中国吗？ 要清醒看到，Ecosia 用的是开源权重，不代表它在为中国公司付 API 钱——利润不会直接回流。但权重被谁的生产环境采用，决定了下一轮社区贡献、微调生态和人才流向。这一步，中国开源模型算是在欧洲市场撬开了一道缝。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Ecosia开源模型

匿名模型的神秘登场 过去一段时间，一个代号"牛来"（Ox-Alpha）的匿名模型在开发者社区引发热议。它没有官方宣传，却凭实测表现横扫各类榜单，甚至在编程基准上超过了一众闭源旗舰。 8月26日晚，谜底揭晓：智谱确认"牛来"出自 GLM 系列全新迭代，并正式发布、开源 GLM-5.3-Flash。 为什么"匿名发布"能成功？ 这场营销看似随性，实则精准踩中了开源社区的心理： 用实力说话——没有品牌背书，开发者只能靠实测服人 制造悬念——匿名身份本身成为传播杠杆，讨论度远超常规发布 24小时落地——据社区反馈，该模型在生产环境中实现24小时内采纳，验证了真实可用性 技术亮点 GLM-5.3-Flash 定位"快而强"： 推理速度显著优化，适配高并发场景 在编码、推理等关键任务上与更大模型持平 开源权重 + 低成本推理，瞄准开发者生态 开源阵营的连锁反应 GLM-5.3-Flash 的发布，与 Qwen3.8 系列、Meta Muse 系列形成共振。2026年8月，开源模型的密集发布已经改变了行业叙事： 开源模型在"足够好"区间全面逼近闭源 企业不再需要为极致性能支付闭源溢价 竞争焦点从"模型能力"转向"生态与工具链" 结语 “牛来"事件给行业的启示不止于营销。当一个匿名模型都能靠实力快速获得生产级采纳，说明开源生态的成熟度已经今非昔比——模型好不好，社区说了算。

一场没有中场休息的发布潮 2026年8月，AI产业迎来史无前例的"超级周"。据统计，20天内有5家头部厂商密集发布了11款前沿模型——这是AI史上单月发布节奏最快的纪录。 在深圳AGIC博览会与贵阳数博会同期举行的背景下，AI从云端向端侧下沉、人形机器人迈向量产交付，成为这个月的两条主旋律。 11款模型，三条竞争主线 一、国产旗舰的集体反攻 这个月国产大模型的动作可以用四个字形容：密集、猛烈。 阿里 Qwen3.8-Max：8月3日发布，2.4万亿参数MoE架构，激活95B，原生256K上下文，支持图文音视频全模态，并开源旗舰权重 智谱 GLM-5.3-Flash：8月26日开源，匿名模型"牛来"正式亮相 Qwen3.8-27B：8月14日开源，两日内全球下载量突破百万 国产模型不仅在本土市场站稳脚跟，更开始对闭源旗舰形成正面压力。 二、OpenAI与Google的迭代竞速 OpenAI GPT-5.6 家族（Sol、Terra、Luna）发布，向多个方向铺开 Google Gemini 3.7 Flash 在 3.6 发布仅三周后即迭代，定价仅为前代一半 Google 用"发布-降价-再发布"的组合拳，把推理成本打到了新低。 三、Meta 回归开源 Meta 重回开源阵营，推出 Muse Spark 1.2 与 Muse Code，配合阿里、智谱的开源动作，“开源模型逼近闭源"从口号变成了现实。 3天一台新模型的节奏意味着什么 对企业而言，这个发布密度带来两个直接影响： 模型选型的窗口期被压缩——今天选的模型可能三周后就过时 推理成本持续走低——降价潮让"用不起大模型"的顾虑基本消失 结语 8月的11款模型只是一个信号。当开源旗舰开始对标闭源、当发布节奏以"天"为单位计算，AI产业的竞争已经进入全新的阶段——不是比谁先发布，而是比谁能持续发布。

引言 智谱AI是国内最早的大模型创业公司之一，其GLM系列一直备受关注。2026年1月，智谱发布了GLM-5系列，这是其旗舰模型的重大升级。GLM-5在保持强大中文能力的同时，在推理、多模态和Agent能力上都有显著提升。本文将对GLM-5系列进行全面评测。 产品线概览 GLM-5系列包含多个版本： 模型 参数量 架构 上下文 定价 GLM-5-Plus ~130B MoE MoE 256K $0.6/$2 per 1M GLM-5 ~130B MoE MoE 256K $0.4/$1.2 per 1M GLM-5-Long ~130B MoE MoE 1M $0.8/$2.4 per 1M GLM-5-4B 4B Dense 128K $0.05/$0.1 per 1M GLM-5-1B 1B Dense 32K 开源免费 核心技术 1. GLM-5 MoE架构 GLM-5采用MoE架构，核心技术特点： 双路径注意力：Dual Attention Mechanism，同时处理短程和长程依赖 词元变换：Token-level Transform，优化稀有词元的表示 长上下文：支持1M上下文版本，适用于超长文档处理 2. 多模态能力 GLM-5实现了端到端的多模态理解： 图像、文档、视频帧的统一理解 原生支持中文OCR和手写识别 多轮多模态对话 3. Agent框架 GLM-5内置了智谱自研的Agent框架： 内置工具调用和代码执行 支持多Agent协作 记忆和知识图谱整合 基准测试 通用能力 基准 GLM-5-Plus GLM-5 GPT-5.5 Qwen3.5 Max DeepSeek V4 MMLU-Pro 85.2% 83.5% 87.3% 82.1% 83.2% C-Eval 89.2% 88.5% 86.2% 90.3% 89.7% CMMLU 88.5% 87.2% 83.1% 89.1% 88.3% BBH 84.5% 83.2% 89.2% 81.5% 86.5% GLM-5在中文基准上表现出色，仅次于Qwen3.5 Max。Plus版本在英文MMLU-Pro上达到85.2%，已进入第一梯队。 ...

智谱 GLM 系列全景 智谱 AI 的 GLM（General Language Model）系列是国内最早的大模型路线之一。从 2023 年 ChatGLM-6B 开源引爆社区，到 GLM-4 系列成为国产大模型第一梯队，智谱走出了一条差异化的技术路线。 GLM 系列的核心产品线： 产品线 模型 定位 开源状态 通用语言 GLM-4-Plus / GLM-4-Air / GLM-4-Flash 对话、写作、分析 部分开源 视觉多模态 GLM-4V / GLM-4V-Plus 图像理解、OCR API 代码生成 CodeGeeX-4 代码补全、生成 开源 推理模型 GLM-Zero 数学、逻辑推理 API 嵌入 Embedding-3 向量表示 API GLM-4 架构解析 GLM-4 采用 Prefix-LM 架构，这是它与 Llama、GPT 等纯 Decoder 模型的核心区别。 Prefix-LM vs Decoder-only 标准 Decoder-only: Token → Token → Token → Token（全因果注意力） Prefix-LM (GLM): [Prefix 部分: 双向注意力] → [生成部分: 因果注意力] 用户输入的 prompt 可以双向交互理解，再自回归生成答案 这种设计让 GLM 在理解任务上具有天然优势——prompt 部分的双向注意力使得模型对用户意图的理解更深入。 ...