Anthropic赌万亿未来,智谱算眼前毛利,谁能活过AI下半场?
Anthropic以万亿估值预期押注增长,智谱以API毛利验证商业化,大模型竞争正从收入增长转向调用规模与成本效率。文章称,Anthropic今年上半年营收162.9亿美元,净亏损807亿美元,其中724亿美元来自可转债公允价值损失,估值讨论已从2万亿美元回落至1.5万亿美元。
推荐理由:文章并置Anthropic的高估值叙事与智谱的API毛利数据,提供了一个观察大模型商业化从增长预期转向成本效率的对照样本。
公司与模型
智谱 GLM 系列模型的发布与开源更新,以及编程、推理能力和商业化进展。
14 条精选近 30 天 7 条共收录 14 条
Anthropic以万亿估值预期押注增长,智谱以API毛利验证商业化,大模型竞争正从收入增长转向调用规模与成本效率。文章称,Anthropic今年上半年营收162.9亿美元,净亏损807亿美元,其中724亿美元来自可转债公允价值损失,估值讨论已从2万亿美元回落至1.5万亿美元。
推荐理由:文章并置Anthropic的高估值叙事与智谱的API毛利数据,提供了一个观察大模型商业化从增长预期转向成本效率的对照样本。
Cloudflare 已修复 Workers AI 上 GLM-5.3 的跨请求 KV cache 暴露问题,8 月 27 日至 9 月 9 日共有 155 条响应包含其他客户此前请求的数据,且相关提示词均超过 681,280 tokens。
推荐理由:文章拆解了配置错配与 SGLang 缺陷共同造成数据暴露的路径,并给出引擎升级、缓存池核对和传输校验等部署建议。
智谱推出法律专用开源模型 GLM-Legal,在 Vals AI 法律评测中以 19.2% 的任务全通过率和 86.23% 的准确率位列 Harvey LAB 与 LegalBench 双榜开放权重模型榜首。
推荐理由:给出了 GLM-Legal 在 Harvey LAB 等榜单上的通过率与和 Gemini 4 Argon 的成本对比,读者可据此评估法律垂直模型在真实律所任务中的取舍。
36 氪获悉,港股大模型股走低,其中智谱、MiniMax 两只个股跌幅均超过10%。
推荐理由:港股大模型板块同步走弱,智谱与 MiniMax 单日跌幅均超10%,可作为观察该赛道短期资金情绪的参考。
Anthropic安全研究员William Zhou和Daniel Freeman在论文中实测AI端到端自主复制能力:用GLM-5.2在含8个GCP节点的隔离网络中进行5次测试,4次成功部署到全部8台设备,1次拿下7台。
推荐理由:实验给出了跨硬件部署成功率、代际能力提升与能力门槛预测,读者可据此判断AI蠕虫从实验室走向智能家电的现实距离。
智谱在 Zcode 3.15.1 中灰度上线 GLM-5.3-Highspeed 模型,网友 @leo114119 实测输出速度达 490 tokens/s。该模型上下文窗口为 100 万 token,最大生成 131,072 token,并划分 low、high、max 三档思考强度配置。
推荐理由:对比了 GLM-5.3-FlashX、Flash 等同系模型的输出速度,读者可据此判断高速版在长输出场景中的实际收益。
GLM 5.3 已在 Amazon Bedrock 上线,开发者可通过托管 API 使用 Z.ai 发布的这款 753B 参数 MoE 模型,主要面向编码与长链路智能体场景。
推荐理由:原文给出了 GLM 5.3 在 Bedrock 上的调用代码与 prompt caching 配置,并演示了与 Strix 智能体配合的安全测试流程。
Anthropic发布网络安全报告将智谱的GLM-5.3点名为开源权重模型中网络能力最强的一款,量子位分析质疑报告里的实测数据实为GLM-5.3的免费广告。
推荐理由:文章将Anthropic对GLM-5.3的警告放入开源与闭源产品形态之争,并附上abliteration成本与攻击链细节,可作为比较两种路线安全取舍的参考。
Anthropic Frontier Red Team 在内部 Binary Exploitation 基准上对 GLM-5.3 与 Claude Mythos Preview 各跑 100 项任务,分别在 4% 与 6% 的试次中实现完整控制流劫持,跨过了此前的零成功率门槛;同批评估的 Claude Opus 4.6 与 GLM-5.2 在所有任务上均未成功。
推荐理由:在内部漏洞利用基准上,GLM-5.3 与 Claude Mythos Preview 都跨过了此前模型无法取得成功的门槛,给出了具体的数字对照。
Jack Clark 的 Import AI 周报第 474 期覆盖智谱、谷歌、Stanford、Periodic Labs 等多条 AI 前沿动态。
推荐理由:同一期里并列哲学思辨、机器人后训练、太空 TPU 与 AI 实验室自动化四条线,便于参照前沿展开节奏。
智谱发布开源模型 GLM-5.3,与 GLM-5.2 共享基座,全部增益来自后训练。在自研 Z.ai Code Bench 上较 GLM-5.2 提升 50%,并在 Terminal Bench 3.0、Agents' Last Exam、CyberGym 取得开源 SOTA。
推荐理由:在同一份基准表中与八款模型横向打分,并附详细评测参数与防作弊设置,便于直接复现同口径对比。
智谱发布 GLM-5.3-Flash,是 GLM-5 系列首个原生多模态模型,总参数 320B、激活 18B,价格为 GLM-5.2 的十分之一,编码与智能体基准接近 Claude Opus 4.8。
推荐理由:读者可以横向比较 GLM-5.3-Flash 与 Claude Opus 4.8 在编码与智能体基准上的差距,并参考其混合注意力与稀疏激活设计评估部署成本。
智谱发布开源模型 GLM-5.3,能力提升全部来自对 GLM-5.2 的后训练,底层基础模型未变;自研 Z.ai Code Bench 较 GLM-5.2 提升 50%,Terminal Bench 3.0 和 Agents' Last Exam 取得开源 SOTA,CyberGym 漏洞发现达到 SOTA,漏洞利用类基准较 GLM-5.2 翻倍以上。
推荐理由:原文列出了 GLM-5.3 在十余项编码与 Agent 基准上与闭源、开源模型的逐项分数,可作为评估开源前沿模型能力的对照参考。
智谱发布开源旗舰模型 GLM-5.2,主打 1M 上下文长程任务能力,并以 MIT 协议无地区限制开源。模型引入 IndexShare 稀疏注意力架构在 1M 上下文下将每 token FLOPs 减少 2.9 倍,并提供多档思考强度平衡性能与延迟;基准覆盖 HLE、SWE-bench Pro、MCP-Atlas、Terminal-Bench 2.1 等推理、代码与 Agentic 任务。
推荐理由:原文同时给出 1M 上下文、IndexShare 架构细节和与多款前沿模型的横向基准分数,读者可以据此评估 GLM-5.2 在长程任务上的相对位置。