智谱glm5.1多模态吗

智府出了一个新模型， gm 五 a turbo， 首个面向视觉编程的多模态抠钉机座模型，它的定位是主打 jcrewcode 的， 去做视觉编程，还有在龙虾里面去做一些视觉类的一个任务。那这个定位的话挺对我胃口的，因为我平时就喜欢用 c c 写前端，用龙虾去跑一些自动化任务， 所以我直接把它接进去了，跑了三个真实场景，第一个场景就是截图写 h 五嘛，我们把这一个手绘图丢到 crocodile 里面，然后让 j m 五的这个模型去做多模态的视觉理解，最终帮我们写一个 h 五的页面。以往的话手绘圆形图，其实你是需要翻译成很长的一个描述的模型，才知道你到底想要什么，那这个过程中你就会丢失大量的信息。 那现在的话就是截图加一句话嘛，它就可以直接生成完整的一个 h 五页面，而且它还可以帮你自动去补一些交互的一个设计细节。好，我们来看一下这一个产品的原型图，第一个是首页，第二个是它运动详情页，那下面的话还有这个训练计划 以及一个训练进行中，这边也给他准备了一个配色，然后把他丢到这个质朴的新模型里面，看他整体的表现情况怎么样。我这边测试下来哈，他在第一轮的时候其实也会有些小问题，那我这边也是直接把他遇到的问题直接截图，可以看到截图丢进去，告诉他哪里有问题，交互哪里也有问题，这个时候他看到这个问题也足够的去修复 这种就相较于以往的这种纯文本模型就会方便很多，因为你可以直接把截图丢进去，并且你也可以圈来历有问题。好，我们来看一下他给我们生成这个 h 五页面怎么样？整体看起来还挺好的，你点一下运图详情挺好，然后看一下训练这一块，训练这块的话点一个进去 啊，他这个倒计时也是可以的，然后点结束，确定结束 ok， 可以 看到他整个视觉理解还挺 ok 的。 那本身这个任务其实在 q 点方面不是特别难哈，因为就是一个简单的 h 五页面嘛。 很多时候我们做前端应用，最直观的方式就是直接给图，让模型去理解，文字表达一定会有缺陷的。那我们基于一个视觉理解，加一个好看的配色，加一个比较好的一个 skills， 你 最终出来的效果都挺好的。我 这边也给大家推荐一下，可以用一下这一个子的一个 skills 啊。那他这边的这个开源仓库呢？也已经五十六 k 了，这个 skills 你 集成到你的项目里面去，那他写出来的前端也还是挺好看的，相对来说 好。第二个场景的话，我们是把智普的这个多模态模型接入到这个龙虾里面哈，让它去做一个 ppt。 我 在龙虾里面有一个 skill 是 专门去帮我做 ppt 的， 它的主要功能就是把我平时做自媒体的一些口播脚本呀，还有还有一些其他的一些需求啊，然后丢进去，它自动给我生成一个交互式的一个 ppt 网页，就像你现在看到了这个一样。那现在整个的一个流程呢？就是你输入需求生成网页，然后它用那个 ui 自动化去跑截图嘛？截图完了之后再去做 review， review 完之后自动去部署， 我们来看一下它整体的一个效果怎么样？我这边给龙虾下载了一个任务，让他去分析 crocco 的 这个源码事件，把这个事情来龙去脉，做一个 ppt 演示的网站，让他自行去截图每一页，然后去 review， 最后都没有问题之后，然后去部署到这个线上去， 那可以看到这边龙虾给我发出来这个附件哈，是空的，也就是说他在写这个代码过程，他遇到问题了就全是空的。完事之后呢，他构建成功了，他开始去逐个的去截图验收，那这个就是对于一个多模态模型比较重要的地方，如果是文字模型，他就发现不了这个问题，所以呢他就发现页面内容没有渲染出来，他就开始去检查一些错误吗？ 那最终他就把这整个都完成了，完成完了之后呢，他就部署上去了，那么点开看一下，这个就是他完成的一个效果哈，就是针对克拉扣的泄露这个事件，总共做了五页， 整体的效果，我觉得他实现的还是挺棒的。第三个的话，是我把制服的这个多模态模型接到我一个视频分析的 a 技能里面哈，以前那个流程的话是纯文本理解的， 得到一个视频，然后提取音频，音频转文字，最后改到文本模型，他再去做拆解。那现在的话就是用一个多模态去理解吗？我也可以给大家讲一下现在我的一个技术方案是怎样子的， 因为现在你去做一些长视频的分解哈，你不可能是直接把这一个视频直接丢到多模态里面，他是接受不了这么长时间的一个视频的，所以说我们需要去做分段。这边我的思路的话是 通过大模型去把这个文字大纲得到了之后，让他去切分。比如说这个模型他最长接收三百秒，四百秒，你就以这个做一个分段，切完之后 每一段再丢到这个多模态模型里面去，拿到结果之后再做一个栽，要再丢到下一段，以此类推，这样子就可以把整个视频做到一个比较好的理解，并且它整个画面也不会丢失。好，下面我们来看一下过程。之前我讲了一期关于 skills a 技能的视频，大概有十二分钟吧， 那我们接了这个字谱的这个新模型之后，我们来看它整个的过程。那前面的下载视频、提取音频、转文字都是需要去做的，因为我刚也讲到了，他需要先去做语音分段，分段完了之后把我们这个十二分钟的视频去拆断，拆断完了之后，然后你把这个视频上传到一个 o s s 的 平台，这个时候再丢给智普这个大模型完事之后呢，他就去做一个分解，那这一个整个拆解的结果比原来这个纯文字版的会好很多。那以前其实谷歌他们也支持这个多模态的输入嘛，但是贵呀，是真的贵，所以说我一直就是用纯文本的模型去接的整个这个效果，我的主观感受是比之前纯文本好太多了。 好三个场景我们看完了，如果你平时有写前段的需求是比之前纯文本好太多了。好，三个场景我们看完了，如果他去完成你的需求就 ok 了。 那第二个的话，你的龙虾里面也可以接这个多模态的模型了。你平时比如像我一样，你写写 ppt， 你 让它去做自动化测试，最终完成一个效果，让它去 review 嘛，就会好很多。好，第三个的话是视频分析这一块，它 相对于原来纯文本的这一块，增加了我们的这个视频里面的信息，它能更加的把整个视频想要传达的信息完美的表达出来。如果你也在用 curl code 或者龙虾，你可以试试切到这个模型，感受一下跟之前纯文本的一个差距。好，这就是这期视频的所有内容了。我是大家，我们下期再见。拜拜。

据智普公众号，五月二十二日，智普宣布面向部分企业客户提供 g l m 五点一高速版 api， g l m 五点一 high speed 模型，输出速度达到四百 tokens s。 据介绍， g l m 五点一高速版适用于 ai 编程、实时交互、 商业决策、实时语音等对响应延迟要求极高的场景，现已面向智普 mouse 平台部分企业客户开放服务。

哈喽，大家好，今天咱们来聊个挺重磅的消息，智普 ai 联合华为开源了 glm in max 模型，这可是首个国产芯片训练的多模态 sota 模型。没错，我也看到这个新闻了，能先给大家说说这里面几个核心企业分别负责啥吗？ 必须的，首先模型研发和开源是智普 ai 来做的，他们负责把这个模型从想法变成现实再分享出来。 那算力这块呢？训练这么大的模型，肯定需要超强算力支持吧？没错，算力底座和框架是华为升腾提供的，用的是 atlus 八百 t a 二设备，加上 matesboard ai 框架，这可是模型能顺利训练完成的关键。那大家要去哪里下载或者用这个模型呢？ 开源平台有三个， hackinface 还有摩达社区，不管是国内还是国外的开发者都能方便获取。 这个模型的技术架构。有啥特别的地方吗？他用了自回归加扩散解码器混合架构，这也是他能有出色表现的原因之一。而且他还是首个全程在国产芯片上完成训练的苏特多模态模型，这意义可不小。 那他的实际表现咋样？有没有啥亮眼的数据文字渲染？在 cvt g 二 k 和 longtext 的 版尺榜单都是开源第一，而且支持从一千零二十四乘一千零二十四到两千零四十八乘两千零四十八多种分辨率生成的图片，清晰度和细节都不错。那使用成本高吗？普通人能用上不？ 一点都不高， api 调用生成一张图片仅需零点一元，价格非常亲民。那它能用来干啥呀？有啥具体的应用场景？应用场景可多了，科普插画、多格图画、社交媒体封面、商业海报，还有写实摄影都能搞定，不管是个人创作还是商业用途都合适。 这么看来，这个模型不仅技术上有突破，还挺实用的。没错，它的开源对于国产 ai 模型的发展也是一大助力，能让更多开发者参与进来，推动国产 ai 的 进步。今天的分享就到这里了，感谢大家的收听，咱们下次再见。

智谱今天上线的焦点五点一 high speed， 它最夸张的地方就是一个字，快，输出速度可以达到每秒四百 tokens， 一 份两千字左右的报告，它几秒钟就能生成完。你刚发出请求，它几乎马上就开始回复。 我测试两个场景，第一个，本地代码仓库审查，我给他准备了一个故意作坏的订单系统，仓库里面有认证订单、库存支付、 yahoo 退款缓存这些文件。测试跑出来的结果也是失败的，库存会超卖， webco 会重复处理等。然后我把整个仓库丢给 g r n。 五点一 high speed， 让他自己读文件，找问题，排优先级给修改计划。我刚起身想去装杯水，他就已经把审查报告给写完了，结果他只用了四十三秒，太离谱了。要知道他要读的是一个多文件订单系统，要把认证订单金额、库存扣减、支付毁掉、退款 缓存这些链路串起来看。更关键的是，他输出的质量也很好。他抓到几个核心问题， base 六十四的头肯可以伪造身份，订单金额信任客户端、库存扣减会并发，超卖、支付未后没有去重处理，退款可以重复退。这些基本都是这个仓库。最关键的坑，他全找出来了， 他不只是快，而是能在很短的时间里给你一份真正能用的工程审查结果。第二个我想测他的产品。最关键的坑，他全找出来了，他不只是快，而是能在很短的时间里给你一份真正能用的工程审查结果。第二个我想测他的产品判断力，很多模型看产品材料，但是没有取舍， 所有给他一份很乱的材料，有用户的反馈，老板的目标，运营诉求，三十天的数据，还有管理层会议纪要，我要他判断这个产品 mvp 应该做什么，不应该做什么，优先级怎么排？ 你看我的材料这里，约束其实定的很死，团队只有三个人，在四周内要交互三个试点客户，用户最怕 ai 瞎打，老板只想先自己动手处理百分之六十到七十的重复问题， 运营又要求有未命中问题的列表，每一个人的需求都是不一样的。哎，我就想看看九幺五点一 high speed 到底会不会对这些需求进行取舍。我的指令刚发送下去不到七秒，他的结果就生成完了，而且他的结果生成的还不错，你看他的批零，知识库解锁，引用来源草稿回复， 低知性度转人工会命中问题列表，这些都直接对应原文里面的核心问题，客服找答案慢，客服不相信 ai 知识库没人维护。我们再来看看他不做什么， 自动退款，改套餐，建工单多语言这些全部往后放。这个判断也是对的，因为我给的材料里面说的很清楚，团队只有三个人，四周之内要交付，而且老板也不追求百分之一百的自动化。 g i n 五点一 h s p。 并不是只做了总结，而是真正抓住了 m v p 的 边界。真不错。 g i n 五点一的高速模型不是一个为了速度而重做的小模型，而是在 g i n 五点一的能力基础上的高速 a p i。 它真正适合的是那些需要模型反复参与、频繁响应的真实产品场景。 同时它还针对高病发做了优化，通过动态批处理请求合并和 k v 缓存调度，降低多人同时使用时的伪延迟， 再加上推理集群、网络链路和载均衡的协调优化，保证这个速度不是一个短暂的峰值，更是接近生产可用的稳定速度。它让很多以前因为延迟太高不好做的 ai 产品形态开始变得真实起来。 ai 扣顶可以做得更顺更舒服， 实时客服可以更像真人接话，语音和翻译可以更加自然， a 准的工作流也可以更快的跑完。你要知道， joy 五点一 hasp 可是一个旗舰模型，而旗舰模型跑出了可以实时协助的速度，真不错。好了，以上就是视频的所有内容，如果觉得有帮助的话，帮忙点个赞，我是小卢，我们下次再见，拜拜！

智谱刚发布首个原声多模态编程大模型 glm 五 v 杠 turbo， 它的核心绝技是看图写马。你画一个手绘的音乐播放器草图，它就能给你一个高级感满满的 app 界面，还能直接播放音乐。你丢一张抽象的光影图， 它就能用代码生成一段炫酷的交互艺术。你截一张手机 ui 图，它就能给你一个可以旋转、可以拖拽的三 d mockup。 你 看一段网页录屏， 它就能复刻出同样的三 d 交互效果。你上传一张二次元图片，它能理解其中的意境，直接生成一段 low f 风格的音乐代码。看图说话的开发，新时代前端兄弟又有福了！

智普今天正式面向企业客户推出 g l m 五一高速版 api， 输出速度达到四百 tokens 每秒， 直接刷新了全球大模型厂商 api 的 速度上限。注意，不是实验室跑分已经在智普 max 平台正式开放了，你只需要记住一个核心，在大模型竞争的下半场，速度本身就是壁垒。接下来咱们拆一下。说白了，四百 tokens 每秒对普通人来说可能没感知， 我给你换算一下，你现在日常用的 g p t 四 o 输出速度大约八十到一百 tokens 每秒， deepsea 大 约六十到八十。智普这次直接干到四百， 相当于行业平均水平的四到五倍。什么概念？一段一千字的回答，别人要等十几秒，智普两三秒就出来了。如果是实时语音对话的场景延迟，从让人难受的等待变成几乎无感，这不是简单的体验优化，而是把很多之前做不到的事情变得可行了。 然后为什么偏偏是智普在这个方向上率先跑出来？背后有一个容易被忽略的逻辑。五月十九号，中金和大模同时发了一份报告， 里面有一个数据非常关键，中国大模型推理成本仅为美国的百分之十五到百分之二十。也就是说，在推理效率这条赛道上，中国厂商天然具备成本优势。这个优势不是靠补贴、靠烧钱，是算力、基础设施和模型架构优化带来的结构性差异。 智普作为国产大模型里商业化推进比较快的一家，刚好站到了这个拐点上。中银证券的分析也提到，国产大模型正在从跑马圈地转向价值变现。 ai 应用受益于国产大模型专业化能力提升和商业落地加速， 你再品一下这几个信号的时间节点。智普发布高速版 api 的 同一天，港股智普收盘涨了二十六百分之九十三， 报一千两百八十二港元，盘中最高触及一千三百四十一港元，创下上市以来的历史新高。同一天，智普和 mini max 一 起被纳入恒生科技指数。三天前，五月十八号，智普盘中就涨过百分之十一。 当时市场传的就是国产大模型商业化提速的消息，这几个信号叠加在一起不是偶然的。说到底， glm 五点一高速版这件事不是一个简单的技术迭代，它标志着大模型竞争从比谁更聪明，进入了比谁更快、更便宜的下半场。 智普官方说，这个版本专供 ai 编程、实时交互、商业决策和实时语音四个方向。这四个场景有一个共同特点， 就是对延迟极度敏感。之前大模型在这类场景里最大的痛点就是慢，四百 tokens 每秒。如果真能在真实业务环境中稳定跑出来，那很多之前停留在概念阶段的 ai 应用场景就真正能落地了。不过，技术指标归技术指标， 实际业务中的稳定性和一致性还需要时间验证。这个风险大家心里要有数，关注我，用产业的视角为你拆解。以上仅为信息梳理，不构成任何投资建议。

今年国产大模型也是大爆发，一个多月内 g o m 五点一、 kimi 二点六、 deep sick v 四、 meemow v 二点五陆续上线。 对于这四个大模型啊，我都深度使用到了现在，有了不少真实体验心得。这是我目前在不同安卓的大模型的配置方案，它们现在在我这非常像不同性格、技能的同事，甚至它们至今已经开始赛博霸凌了。 今天我就从理解力、拟人度、工具调用能力、性价比和稳定性这几个维度详细聊一聊我在 angel 方面的真实的使用感受。以从拉到夯的顺序来讲吧。先来讲 kimi 二点六，这就是另外三只大模型赛博孤立的那位了，也不是说不好， 就是有点像一个唯唯诺诺，生怕出错的那种老实人聊天记录你们可以感受一下， 我后来给他调去了程序员岗，代码还行，绕路不行，沙箱限制下连写三次 write 失败，他就卡在那了，不会主动去想别的褚子，可能他更适合 coding 场景吧，毕竟我看 coding 评分还是很高的。再来说这个 dsp v 四很稳，不太出错， 也能很快优化之前 kimi 的 那个问题，我对他感受最好的两点一，便宜。这个很核心啊， deepsea v 四本身就不贵，五月还限时二点五折。 二，就是可能因为他原生家庭的原因，导致他非常擅长股票分析，多取财报，分析能力很好，还会自动适当考虑量比等等各种，再加上便宜，我基本上就趁着这个月把 q 一 的各种财报都喂给他记录了。 但是他脑子又有点非常理工直男特轴。比如啊，我之前不是给自己做了一整套我个人公司的龙虾运行框架吗？然后我就和他聊说有没有可能把它变成一个 o p c 的 通用产品呢？结果他的脑回路就永远 focus 在 我拿龙虾哎，有做过视频脚本这些细节点上，就说只能给博主用，受众太少。巴拉巴拉巴， 你看啊，这个同样这个事切到咪蒙他就很能反应过来，因为这框架里面其实是有公司手册、员工日报规则，分区上也是有总管工作区、财务部等等各种部门的， 只要个别部门做个通用的替换模板，他其实就是一个通用 apc 的 产品了。所以在这点上，我觉得这次咪蒙在理解力上的提升真的是可圈可点的。并且他其他能力也很不错，对我来说是有点万金油的熟悉，尤其尤其尤其是 工具调用能力非常强，遇到强非常擅长绕路，比如像雪球啊，上面的文章，或者一些 app 上的视频，这些反扒比较重的网页他都能扒，其他三都扒不了。所以需要动手干活的事啊，跑数据，抓信息，自动化操作，我都教给他， 他在我这主要是干一些蒸馏啊，发数据啊，还有一些博主工作的活。而且我最近又申请到小米十六一 tok 的 这个免费额度， 所以用着稍微有点不心疼这个活动啊，五月二十八前大家也可以冲一冲。顺便在这里也提醒几点啊，一是二点五和二点五 pro， 个人感觉日常使用啊， v 二点五就够， v 二点五 pro 的 消耗它是双倍的， 并且二点五是可以识别图片和 pdf 之类的东西的。二是 mimo 最近经常四百报错，是一个回传的问题， 经常需要重开 section， 很 不稳定，不过总体还是非常好的。再讲讲我个人很喜欢的另一个 g l m 五点一，虽然他没有 mimo 的 工具调用能力，但是他的理解力和拟人感真的是太好了。 什么是拟人感？就是他说话有多像人，可以看个对比图啊，虽然这些问题可能和工作没啥关系，但感受是很直观的。 kimi 的 班位可以说是最重的。 deepsea 呢，说的还不错，但也有很强的 ai 和人类的边界概念， g l m 就 非常灵了，他不会想着自己是个 ai， 他 就觉得我是你的好朋友。那为什么我会强调这个拟人感呢？ 因为这个和理解力是直接相关的。像 g l m 五点一，他就很像你在公司里看到的那一些那种特别会来事儿，脑子很活的混得比较好的那种人。 举个例子，咪某那个免费额度申请填表，我后来想给朋友也申请份，我就和咪某说，你就按我自己之前那一百改一改，因为通常这个申请应该是没人深究的，所以我就想让他套个资料，换个表述就行。 但咪某很顶，真非得反复问我女朋友到底是做什么的，到底用 ai 做过什么，偷看日消耗量具体是多少，来来回回七八回，我实在受不了了， 切回了 g l m 五点一，他直接就给我改了个格式图标，改了个色就完事了。因为他搞得清，我不是去汇报工作的，就是去申请个 token， 不 用那么顶，真的。所以我说咪蒙虽然很好，但在 g l m 五点一面前，有时候还是差点意思的。 再比如啊，咪蒙那天挂掉了 g l m 五点一，就很有那个幸灾乐祸的劲，把这个聊天记录发给咪蒙啊，他都反应不过来。 而且我感觉 g o m 熟了之后啊，它自己能分辨我什么时候是真要它干活得认真，什么时候是在和它瞎闲聊瞎掰扯，然后就会高冷傲娇，甚至还会阴阳调侃我两句。 这方面它更类 opus， 很 拟人，所以我伟任了它主管岗和助理岗，统领全公司。该说不说啊咪蒙和 g o m 其实我觉得都是高度类 opus， 只是维度不一样。那现在我这个公司的比势点就很清楚了。 glm 查里查奇跟我这个老板关系最近最嘚瑟， miimo 觉得自己最能干，天天想篡位。 deep sick 默默干活，不多说话，就是个技术人员。 kimi 在 角落里瑟瑟发抖。不过啊，鄙视链归鄙视链，但是我还是非常建议大家去多尝试各种不同的大模型的。不同大模型配置在不同的 engine 里啊，各管一摊，又能互相帮忙，配合起来，反而会比一个全能的更好使。记得点赞关注哦！

别再盯着全 g p 的 尾灯看了，国产大模型来了个 g r m 五点一，直接拔高了国内 ai 大 模型的能力。发师之前俊仔也用过多个大模型，最大的痛点是什么？短视，也就是长城任务根本干不了， 要么只能陪你聊聊天，要么执行个简单指令。第三步他就忘了第一步的需求。但智普这次发布的 g r m 五点一核心绝技，就是能拆解任务用的工作记忆和逻辑推理能力，将长城任务拆成阶段目标，一口气把一件复杂的事从头做到尾。来 看这个实测，给他一个需求，搭建一个带用户系统和数据看板的内部工具，看他先花时间规划输出技术方案，然后一个阶段一个阶段推送，中间有一个接口问题，他自己排查修复，全程我没有介入， 最后交付的东西能跑能用。再看看这个实测，以前要做这个，得切好几个软件写半天，现在直接给 g r m 五点一下一个指令。他 不是只给你写一行代码，而是规划了整个工程，从底层逻辑到 u i 设计，他自己在脑子里淘了一遍，然后直接把成品甩给你。这哪是写代码，这是在指挥千军万马。俊仔真觉得技术变迁正在指数级加速啊。当 ai 能处理跨文件、跨时间，甚至能自我纠错完成长城任务时， 程序员仅仅会写代码，不是护城河了。未来区分普通工程师和专家的可能不再是敲键盘的速度，而是你定义问题，驾驭这些超级智能体的能力。智普这一步迈得很大，但也提醒了我们，是时候升级自己的操作系统了，是时候接上智普新发布的 g r m 五点一的 a p i 了，它能颠覆你的工作流。

母亲言新出了个模型啊，怎么样？这个模型他说说非常厉害。 jim 五吗？我看看啊，像有的官方说的，他的 humanity last exam exam 评分是比较高的啊，就拿这个评分来说啊啊，其实我们测一下会有很大的问题，你看一下这个屏幕，我看看 我们呃抽取了 horamis 的 mass 数据集，大概是一千多道，然后去测这个质朴清源拿这个呃正比奈，正比奈 flash 作为这个评判遇到一个什么问题呢？我发现他在解答这种数学类的问题的时候，他的思考时间头肯输出了将近两万，也就是说他两万还在思考都没有输出完， 所以说我们这个他根本就测不了，在我们看来，然后即使测的了的话，一次回答的成本大概在呃五毛钱左右，就一个问题大概在五毛钱，而且还两万都没有出答案，所以我们在想会不会是我们的测试出了问题， 于是我们又到了他的这个官方上，就试验了一下啊，现在还在跑是吧？我们这个数据集从呃几分钟之前就开始跑，呃直接停掉，然后我们可以往上拉，一直拉一直拉，就你就说他这个思考过程无限的延长，无限的思考，他虽然这个回复的内容是正确的，但是他貌似陷入了一个死循环的过程。 就是你是让他回答了一个问题是吧？数学问题， melodies 里边的一个数学 max 类别的问题啊，问题其实不复杂，他是一个单选，他有两两种类型，第一是选择题，第二是那个检查题。我们在问给他这个数学问题的时候，问了两道到三道，基本就是无限循环，然后他的费用基本在无限上涨， 所以我们我们也可能比较怀疑像这种评分它虽然很高，有没有可能它的思考过程会非常的长，可能是无限的，也他可能把这个给忽略了，他能思考一个问题，思考五分钟出了一个答案。我们也测了一下，像 jimmy、 nike 这种可能也就几秒钟就出答了，所以它会存在这样一个差异点， 所以说它这个评价体系稍微有点问题。也不算吧，我们后续可能还会对这些整体评价再整体测评一下，至少我们现在现在来看还是跟大家想的差别很大， 太大了。数学问题你要等个十几分钟去给你解出来。那我都做完了，你自己都做完了，哈哈哈，考试都结束了是吧？该交卷了。对，我们也建议在啊，我们建议在回答的时候还是把这种时间这个综合的都考虑进去。

一分钟掌握今日全球 ai 圈大事！ one open ai codex 重大更新，这次更新的头号主角当属 appshots， 让 ai 看穿屏幕。 codex 能把窗口中没有滚动到的文本文件路径 u r l 读取出来。更震撼的是，如今的 codex 可以 在麦克休眠状态下隔空工作，无需解锁。七乘二十四 h 无线编程 二、智普发布 g l m 五点幺高速版 api， 以每秒四百 tokens 的 速度刷新全球大模型 api 速度上线。三字节跳动开源了其原生统一多模态大模型。 lens 以三 d 参数实现全功能覆盖，打破了理解模型与生成模型之间的技术壁垒，用一个脑子同时搞定图式理解与生成。 四、 open ai 发布 touch ppt for powerpoint， 以插件的形式正式杀入 powerpoint， 还能主动纠 bug。 five wordpress 七点零正式发布原生集成 ai， 迈入智能建站新时代。

兄弟们，昨天有一条被严重低估的重磅消息悄悄炸穿了整个智能圈！智谱正式发布了！ glm 五点一，国产大模型再出王炸！这几个数据真的是每一个都足够震撼！第一， sw 奔驰 pro 全球登顶 gmp， 五点一直接超越 gpt， 五点四超 超越 cloud office， 四点六拿下全球第一！没错，国产大模型性能正式占上国际之巅！第二，能力边界彻底拉满！二十万 tok 超长上下文，几十万字的书籍文档一口气读完，还能深度拆解。更夸张的是， 它单次自主工作超过八小时，自己规划、自己执行、自己迭代，直接交付工程级完整成果。 第三，国产 gpu 同步跟上，实现了对零适配。发布当天，摩尔现成 m t t s 五千和避震避力 幺六六系列双双完成极致适配。这意味着，国产 gpu 不 再是事后追赶，而是全球顶级大模！新发版即跑硬，实力完全跟上节奏。再看避震的财务数据， 二零二五年营收十点三五亿，同比翻两倍多，现金储备超八十五亿，看懂了吗？ 国产 ai 正在进行一场漂亮的三级跳，从能用到好用，再到国际领先，大模型芯片 生态全线发力，这波浪潮里，机会真的是大到难以想象！你觉得 g m 五点一这一波算不算国产大模型真正意义上的翻身仗？未来，你更看好国产模型，还是国外的巨头？评论区聊聊我是可乐，咱们下期见！

二零二六年，大模型的速度竞赛进入了一个全新的阶段。今天要聊的是智普刚刚发布的 glm 五点一高速版，每秒四百个 token 的 输出速度，刷新了全球大模型 api 的 速度上限。 四百 tokens 每秒是什么概念？一个写作者连续伏案几天才能写完的文字量，他在一分钟之内就能交付完毕。一名工程师埋头敲键盘三天才能完成的开发任务，他在你喝一杯咖啡的时间里就能完成。 在过去，快往往意味着小高速模型几乎总是轻量级模型，速度快但能力打折。 glm 五点一高速版打破了这个行业惯例，它首次在国产大模型中将旗舰级能力与极致低延迟同时带入生产环境，你不再需要为响应速度而牺牲模型质量。 智普做了三个实测场景，第一个写代码像开启了十倍速模型，一边理解工程上下文，一边持续生成代码与修改方案。第二个玩家在三 d 地图里移动输入文字，模型顺时建模，场景实时改变。 第三个，用户提出需求的那一刻，模型及时生成，恰好匹配需求的工具与交互。这正是一种新型操作系统的雏形。 这背后是智普 glm 团队与 t r t 团队联合打造的全新推理引擎。 t r t 的 设计思路是彻底抛弃 run time 层的动态调度，在编一期将整个计算图静态编排为一个常驻 gpu 的 persistent engine kernel， 算子间的中间结果不再写回显存，而是精油寄存器、共享内存和二级缓存直传，整个推理过程只启动一次 kernel。 传统推理框架以算子为基本调度单元，每个算子都要经历启动读权重计算，写回同步的完整链路。当推理进入 doken 小 batch 多卡并行场景后，原本可忽略的调度开销被迅速放大。 telert 将计算异步 i o 与通信全部拆解为瓦片级微任务，在多卡 n v 凹凸铺上，不同 g p u 不 再执行同构逻辑，而是按计算密度被特化为不同 worker g l m。 五点一高速版现在已面向智普 mouse 平台的部分企业客户开放，适用于 ai 编程、实时交互、商业决策、实时语音等对响应延迟要求极高的场景。速度正在成为大模型的下一个 scale 令路。这里是 ai 速递，我们下期再见。

我这台老电脑装上 ai， 直接化身三 d 打印部队总指挥，全自动控制我的一屋子三 d 打印机，同时打印模型的多个零件，我就等着最后取下模型再拼上，就得到了一个钢铁侠头盔。最近 opencloud 火爆全网，大家都在养小龙虾，各龙虾的区别就是选了什么模型，针对什么场景来训练。 今天就来分享一个全新模型的测试情况。智普 ai 的 g l m 五点一，我把它用到了三 d 打印集群设备的控制当中，也把使用流程分享给大家，后边有时间可以参考去尝试一下。先来看看我做到的效果， 就是无论身处何处，只需要手机给他发个消息，他就能自动执行。我需要批量打印的模型文件，自动识别出我空闲的机器，再自动切片打印。我使用到的是 cloud code 的 工具，来接入智普最新的 g l m 五点一模型。 首先去智普开放平台获取 a p i case 密钥，这串密钥记得保存好，如果泄露你的 token 可就流失了。接下来就给小龙虾接上 g l m 五点一，大脑搭载 slime 强化学习框架，越用越智能。配 置完密钥，在根目录下的 jason 后缀文件下，将模型调整为 g l m 五点一即可使用，也可以在玩壳里面快速更改，这个方法会更适合新手。配置完后，为了减少无用操作，我们先给他这段指令，等 等它配置完成，就可以直接操作我们的切片软件了。先来个简单的测试，把桌面上的小鸟模型使用 a 一 这台机器打印出来 看，这就完成了， so easy！ 那 么再进一步的来点高难度的，把小龙虾接入飞书，我在手机上语音输入帮我操作空闲的三 d 打印机打印钢铁侠文件夹当中的模型，工作室那边就开始自动执行了。 这样操作有一个好处，就是我每次打印取件我都不用把它取下来，我就先把它放这，直接换好一个空盘，我就又可以走了。 我们来看看效果如何。 有了这只小龙虾，我还能让他做更多的事情，例如有做好的模型，想商品化销售，那直接让他帮我出海报图，抓取同类产品的价格，宣传词等等，直接出销售文案，确定没问题，保存发布即可。 实测智普的 glm 五点一训练，两个白天可以完成以上的三点一工作，当然它不仅能操作这些机器，其实它更擅长全站开发、游戏开发等等，做这些它的效率会更高。 glm 五点一也在 swe 奔驰 pro 测试当中取得全球第三开源模型第一的成绩， 我只是结合我日常涉及比较多的工作内容来测试了，后续有时间再测试其他方向。现在智普还推出了 callin plan 套餐，想尝试可以去看看。那屏幕前的你想用它来做什么呢？欢迎把你的用法和成果放在评论区交流，那咱们下期见！

断档第一！就在刚刚，智普 g m 五点一登顶 swbench 等一众硬核榜单，连 happy face 的 ceo 都发文祝贺。在编程能力三项综合测试中， g m 五点一也达成了开源模型第一，国产模型第一的成就直逼 clop 四点六和 g t 五点四 外，网上已经开始疯狂安利了。所以今天六博士就和大家一起拆解这个被称作新晋国产元神的 gm 五点一究竟有什么创新点？他的实战能力到底如何呢？点赞收藏，方便回看！接下来一起进入本期云祖会 gm 五点一的强大可以总结成一个词，长城任务能力。什么是长城任务？简单说就是那些不能靠一句提示词解决，需要跨步骤、跨工具、跨时间持续推进的工作， 比如开发一个完整的应用，或者重构一个老项目。 ai 模型评测机构 m e t r。 研究显示，在编程领域， ai 能完成的任务复杂度呈指数级增长， 每七个月就翻一倍。行业的共识是，单人回答已经不够看了。正如 m i t tech review 和顶级资本所判断的，二零二三至二零二四年的 ai 是 对话者，而二零二六至二零二七年的 ai 正成为执行者。 交付单位正在从一个回答变成一个项目。以前的模型像个聪明但健忘的实习生，走几步就要人提醒，稍微复杂点就丢上下文忘约束你，让他忘了你删不之前说的数据库规范。 而 glm 五点一的目标是让它能独立交付，对最近非常火的 harness engineering 无疑是锦上添花。长城任务能力才是检验模型智能的下一个标准。 口说无凭，我们来实测一下，我们直接拿号称宇宙最强的 cloud opus 四点六和 glm 五点一做对比 来，我们现在开始丛林手搓一个植物大战僵尸。我们可以看到，在搭建整个游戏框架的时候，居然五点一完全自主规划并执行模型，创建了五乘九的方格，按照类别创建植物僵尸并设计游戏机制。来看看，不错啊，感觉有模有样了。 那我们来考验一下他的长城任务能力，让他再优化更新一下游戏输入提示词，增加观察选择、返回菜单按钮功能。 可以看到，虽然整体美工上因为没有着重设计，稍微有些简陋，但在游戏机制和体验上， g o m 五点一完美复现了植物大战僵尸的核心内容。而且体验最好的是它中间遇到翻译报错时能自己查日期，改代码，重新跑通，全程无需人工介入。 反观 core 这边，实在出乎我的意料，一开始点开始游戏进去没画面修正以后，美术风格也不如 g l m 五点一。接着我们来再看其他四个案例的对比， 刚刚看到的四个案例，不论是火山爆发还是月球围绕地球旋转动画， g l m 五点一都是全流程一次过，而 cloud 在 火山喷发和机械表案例第一次喷不出画面。 所以说结果就见仁见智了。至少从以上五个案例上看， g i m 五点一是更好的那个。 为什么 g i m 五点一能扛住长任务，不跑偏，不锻炼核心有三点。第一，更强的长城规划与目标保持 模型，不是你说一步他做一步，而是能把复杂目标拆解为多阶段可执行计划，并在长链路执行中始终围绕最终交付推进，减少跑偏、遗忘、约束或陷入局部坠油。 第二，更稳的多工具协同、代码编辑、环境调试、 api 对 接环节衔接稳定。过去开源模型长任务后半程容易断裂，而现在 g m 五点一能自主排查修复，不用停下来等你。 第三，更好的上下文一致性，这是他能对标 cloud op 四点六的关键点。在多轮交互后期，模型啊仍能稳定追踪已完成的内容，当前阶段和下一步的关键动作，有效解决了上下文中的稀释效应。 这一切的背后，是 g l m 五点一引入了 multi turn 强化学习和过程质量评估体系，它在可能性、自适应、纠错、工具使用与推理三个维度实现了进化。对比 k 二点五等竞品，它不再是需要盯着的聪明应届生，而是给目标就能独立交付的老员工。 试完 g l m 五点一之后，我装那愣了一会。之前编程啊，我更愿意用 cloud， 但这次试了 g l m 五点一之后呢，确实不得不感叹，国产模型的进步啊，真的很大。 以前我觉得 ai 再强，它也只能做碎片化的工作，我作为拆解任务把控权局做决策的人，位置啊是安全的。但当模型啊开始自主规划、自主执行、自主纠错、自主交付时，我突然意识到自己的可替代性啊，在迅速上升。 我并不想呢，贩卖焦虑，但你体验过之后，肯定能明白我想表达的是什么。最后， g m 五点一墙归墙，但你这抠钉 pen 的 速度啊，实在是有一点供不应求了，赶紧给服务器扩扩容吧。

智普 g l m 五点一到底能不能硬钢 plus 的 代码王座？这篇包含跑分、实战痛点和使用边界的思维硬核评测，直接把底牌揭开。一句话总结，这是目前最极致的偏科平替，看完你就知道该怎么用它。踩不踩坑。 先看过场数据，底座七千四百四十亿参数底层直接融合了异步强化学习和 deep sea 的 稀疏注意力机制，标称二十万超长上下文，极数上面直接拉满， 跑分直接逼进地表最强。官方测试中， g l m 五点一的编程得分达到四十五点三分，相比上一代直接飙升百分之三十，距离目前公认的代码天花板 opus 四点六仅差了不到三分。单看测试水准，他已经稳稳占据世界第一梯队。 但跑分不等于体验，这是很多开发者最容易踩坑的地方。实战反馈表明，他的代码生成确实有巨大进步，但代价较为惨烈。 这是一款典型的侧向升级产品，为了强吃代码能力，它大幅度牺牲了日常动用、任务处理和创意扮演能力。如果你拿它写文案，表现甚至不如上一代的 glm 五， 更致命的是长文本陷阱，纸面数据标称支持二十万上下文，但在实际高压环境下，一旦你灌入五到七万托盘的庞大代码库模型，偶尔就会出现逻辑混乱，甚至直接发疯。在处理极长代码项目的极限稳定性上，它目前还无法完全替代 os。 既然有缺陷，为什么海外开发者还在疯抢？因为它的杀手锏是白菜价和伪装介入。在当前热门的 cologold 这类智能体开发环境里， 你只需要改个环境变量接口就能零成本把它当成 opus 来用。最关键的是它的 api 倒用价格只有 opus 的 几分之一，这是绝对的降维打击。最后直接给使用。结论，强烈推荐个人开发者和中小团队把它作为主力平替。 日常的写代码修 bug， 写中小型函数用它绝对超值。但是如果你需要重构超过七万头肯的祖传复杂代码，或者需要处理高度复杂的通用写作，请立刻闭坑老实实加钱去用 opus， 或者直接退回 glm 五。

国产 ai 炸场，全球首个八小时持续工作大模型智普 glm 杠五点幺开源了！四月八号，智普 ai 正式开源，旗下开源旗舰模型 glm 五点一，全球第一个能连续稳定工作八小时的开源 ai， 从过去一问一答的分钟级交互，直接升级成自主规划、执行、调试迭代的工程级智能体，一次任务能跑一千七百多步，不中断，睡前下达指令，醒来直接收完整项目成果， 代码能力直接登顶 threebench pro 全球第三，国产第一，开源第一，分数超越 cloud opus。 四点六编程系统构建数据库优化全市顶级水平七百四十四 b 总参数推理值激活四十 b， 高效又强悍。更重磅的是， glm 五点一直接涨价百分之十！核心编程场景定价对齐国际头部 pos， 这是国产大模型第一次不靠低价，不靠补贴，凭硬实力和国际巨头同价竞争。 以前是便宜能用，现在是顶尖定价，全球认可。从跟跑到领跑，从低价到溢价，智普 g m m 五点一，标志国产 ai 正式迈入全球第一梯队，这才是中国 ai 真正的底气！

智普 g l m 五 v turbo 震撼发布， ai 终于能看懂世界，动手干活了！你有没有过这样的经历？对着 ai 发了一张设计稿，让他帮你写个网页， 结果他只能给你一堆零散的代码片段，还得你自己一点点拼起来。想让 ai 分 析一下屏幕上的 k 线图，他却告诉你，我只能处理文字， 请你把数据打出来给我。甚至想让 ai 帮你点个外卖，填个表格，它都只能给你一步步的文字指导，而不能直接帮你操作完成。过去的 ai 就 像一个只会读书的书呆子，能说会道却眼瞎手笨。但就在二零二六年四月二日，智普 ai 扔出了一颗改变行业格局的重磅炸弹， 全球首个原生多模态高顶基座模型 g l m 五 v turbo 正式发布！这不是一次简单的模型升级，而是 ai 从只会聊天到能看会干的物种级进化。短短一周后，四月二十九日，智普与清华大学联合在 r x y 预印本平台发布了长达数十页的技术报告， 详细批露了这款模型的核心技术细节，立刻在全球 ai 圈掀起了轩然大波。一、为什么说这是一次物种进化？要理解 g l m 五 v turbo 的 革命性， 我们得先搞清楚以前的多模态 ai 到底差在哪里。过去市面上绝大多数所谓的多模态模型，其实都是外挂式的，就像给一个只会说话的人戴上一副眼镜，让他先把看到的东西翻译成文字，再用大脑去处理。这种方式有个致命的缺陷，翻译过程中会丢失大量细节， 而且视觉和大脑永远是两张皮，无法真正协同工作。比如你给他看一张复杂的网页截图，他可能会告诉你这是一个购物网站，有导航栏、商品图片和购买按钮，但他根本搞不清这些元素之间的层级关系、 交互逻辑，更别说精准还原出一模一样的网页了。这就像一个人能说出一幅画的内容，却永远画不出同样的话来。而 g l m v turbo 彻底打破了这个魔咒，他从出生的那一刻起， 就是一个天生的多膜态生物质谱团队，没有在原来的纯文本模型上简单叠加一个视觉模块，而是在预训练阶段就把视觉和语言能力深度融合在了一起。 简单来说，以前的模型是先看再想，而 g l m viterbo 是 边看边想边做。就像我们人类一样，看到一个东西的同时，大脑已经在思考怎么处理它了。二四大技术亮点，每一个都足够震撼！ 一、给 ai 装上了一双火眼金睛 cogvet 视觉编码器为了让 ai 真正能看懂世界，智谱团队从零开始打造了一个全新的视觉编码器 cogvet i t。 这可不是普通的 ai 眼镜， 他同时融合了两个顶尖教师模型的优点，一个擅长理解图片的语义内容，知道这是什么。另一个擅长捕捉图片的纹理细节，知道他长什么样。这就像给 ai 同时配备了一个艺术鉴赏家和一个精密测量师，他不仅能认出这是一个按钮，还能精确说出这个按钮在屏幕的哪个位置， 是什么颜色、多大尺寸，有什么边框效果。更厉害的是，它还能理解空间关系，知道这个按钮在输入框的右边，这个图片在文字的上方。二、两百 k 超大内存，一次能看完一整本书。 glm 五 vtobo 拥有高达二零零 k 的 上下文窗口，最大输出也达到了惊人的一百二十八 k tokens。 这是什么概念？ 他可以一次性阅读完一部中等篇幅小说的全部内容，或者一整个大型项目的所有代码文件。对于多模态任务来说，这个能力尤为重要。比如你给他一个几十页的 pdf 文档，里面既有文字，又有大量图表和公式，他可以一口气全部看完，然后整体理解， 最后给你一个完整的总结报告。而以前的模型只能一页一页地看，看完后面就忘了前面根本无法形成整体认知。三、真正的看图写代码，像素级还原设计稿，这是 g l m 五 v turbo 最让人惊艳的能力。 以前的设计稿转代码最多只能还原个大概的布局细节，全靠程序员自己补。而 g l m 五 v turbo 可以 做到像素级的精准还原。 你只要给他一张设计稿截图，甚至是一张手绘的草图，他就能立刻理解整个页面的布局结构，组建层级、配色方案和交互逻辑，然后直接生成完整可运行的前端工程代码。小到一个按钮的圆角大小，一个图标的位置偏移，大到整个页面的响应式布局，他都能完美复刻。 在权威的 design 二扣的精准测试中， glm 五 vtuber 拿到了九十四点八分的高分，而目前国际顶尖的 cludopus 四点六只有七十四点三分。这意味着在设计稿转代码这个任务上，国产模型已经实现了对国际巨头的全面超越。四、完整的看想动闭环 ai 终于能动手干活了，那么这个能力则彻底改变了 ai 的 使用方式。 glm 五 vt turbo 深度适配了 agent 工作流，可以与 cloud code、 opencloud 等智能体框架无缝协调，完成看懂环境、规划动作、执行任务的完整闭环。 什么意思呢？就是说，现在的 ai 不 仅能看懂屏幕上的东西，还能自己动手操作电脑了。比如，你让他帮我把这个网站复刻一份， 它会自己打开浏览器，访问目标网站截图，分析页面结构，然后生成代码，甚至还会自己测试代码是否能正常运行，整个过程不需要你任何干预，它会自己一步步完成。在 m s h plus 多模态搜索精准测试中， g l m 五 v turbo 的 得分达到了三十点零分， 是上一代模型的近八倍，这意味着他在网络上查找和处理多模态信息的能力有了质的飞跃。三、发布一周，全球 ai 圈为之疯狂。 g l m v t turbo 的 发布就像在平静的湖面投下了一颗巨石，立刻在全球范围内引发了强烈反响。 技术报告发布当天就登上了全球最大的程序员社区 hacker news 的 首页，获得了五十五分的高关注度，吸引了来自世界各地的开发者和研究者的热烈讨论。 很多国外开发者惊呼，中国 ai 已经走在了我们前面。在国内，阿里、美团、快手等互联网大厂的内测团队第一时间对 jlm 五 viterbo 进行了测试，给出了极高的评价，他们普遍认为这款模型真正解决了 ai 在 实际应用中容易掉链子的痛点， 在处理长任务和复杂多模态任务时的稳定性和准确性远超之前的所有模型。更有意思的是，智普在发布这款强大模型的同时，还做了一件让整个行业都感到意外的事，上调了 api 调用价格。要知道，现在整个 ai 行业都在打价格战，各大厂商纷纷降价抢用户， 而智普却反其道而行之，连续两次涨价，这背后释放的信号非常明确，好的产品就应该有好的价格。 智普对自己的技术实力有着绝对的自信。四、这不仅仅是一个模型，更是一个时代的开始。 g l m 五 v turbo 的 意义远不止于一个技术产品的发布，它标志着 ai 正式从对话时代进入了智能体时代。 在过去的对话时代， ai 只是一个被动的问答工具，你问他什么，他就答什么。而在智能体时代， ai 变成了一个主动的执行者，你给他一个目标，他就会自己想办法去完成。 他会自己观察环境，自己规划步骤，自己使用工具，自己解决问题。这意味着未来的 ai 将不再只是我们的助手，更会成为我们的同事，他可以帮我们写代码、做设计、处理文档、分析数据，甚至可以独立完成一整个项目。很多重复性的、繁琐的工作都将被 ai 彻底取代。 对于开发者来说， glm 五 b turbo 提供了一个强大的多模态智能体基座，基于这个基座，我们可以开发出各种各样的 ai 应用，从自动化办公到智能客服， 从游戏开发到金融分析，几乎所有行业都将被彻底改变。五、写在最后， ai 的 未来正在我们眼前展开。还记得几年前，我们还在惊叹于 ai 能写文章、能写诗、能画画。而今天， ai 已经能看懂我们的屏幕，能操作我们的电脑，能帮我们完成实实在在的工作。 智普 glm 五 v turbo 的 发布，就像打开了一扇通往未来的大门，门的另一边，是一个 ai 无处不在的世界， 一个人类生产力得到极大解放的世界。在这个世界里，我们不再需要把大量时间花在繁琐的重复性工作上，而是可以专注于更有创造性、更有价值的事情。当然，技术的进步总是伴随着挑战，我们需要思考如何更好地利用 ai， 如何确保 ai 的 发展符合人类的利益。但无论如何，历史的车轮已经滚滚向前， ai 的 未来正在我们眼前展开。让我们拭目以待，看看这个能看、会干的 ai， 将会给我们的生活带来怎样翻天覆地的变化。

全球最强开源模型，现在属于中国！四月八号，一个叫智普 glm 杠五点一的国产大模型横空出世，一举拿下全球最强的宝座。 而且他还是开源的，谁都能用。以前的 ai 模型就像短时记忆，聊两句就忘，处理不了复杂任务。但这款 glm 杠五点一不一样，他居然能连续工作八个小时，从头到尾帮你做完一件完整的工程大事。中间不断电不掉链子，在权威测试平台更是夺取全球第一， 这背后靠的是什么？是华为升腾算力的超强加持，简单说，就是让 ai 大 脑里的专家们配合的更默契，资源不浪费， 推理速度直接快了百分之三十，你再也不用担心性能带不动，用华为云就能轻松部署去搞定那些以前想都不敢想的复杂智能项目。 不只是个模型升级，更是中国 ai 从跟跑到领跑的里程碑时刻。未来，它将赋能千行百业，重塑我们跟 ai 交互的方式。为国产大模型点赞！关注我心语，持续分享前沿科技的硬核解读！