智谱GLM-5.1对编程效率影响
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。
粉丝3813获赞2.8万
相关视频
06:40查看AI文稿AI文稿你能想象吗？刚刚在 swbench pro 这种专门测真实工程能力的基准里，超过 cloud opa 四点六拿到索塔的模型，居然是一个国产模型， 并且它已经开源了，它就是智普的 glm 五点一。那更关键的是什么呢？它这次呢不只是更会写代码了，而是在长城任务处理的这个场景也有了重大的突破。 你可以看到官方的一些测试 case 当中，它可以自己连续工作七八个小时，从拆解需求，写代码，调试优化， 全程都可以自己往下推进。那说起智普呢，其实我从 g l m 四点五这个时代呢，就开始使用它们家的这个产品，从一开始它可以去完成一些小任务，到后来它能够去完成一些中等的复杂一点的这个任务，再到后来它们家的这个 coding plan 直接限售了 啊，我可以明显的感觉到，智普的这个模型呢，确实是越来越强了，在不断的去追赶并且缩小它与海外的这些币源模型，顶级模型的一些差距。那所以说今天这个视频呢，我就想用这个 glm 五点一来做一下真实项目的测试，看一下我们这个国产第一，台元第一到底好不好用。 那这个呢，是我自己在用的一个小工具啊，它是一个视频下载器，平时呢我就拿它来下载某音啊，小破站啊，还有这个油管的视频。所以说今天呢，我就想用这个 g l y 五点一把这个工具网站做成一个完整的副业产品。那视频结束之后呢，这个网站应该会具备 登录注册啊，积分系统，视频下载、文案提取以及 ai 改写这方面的能力，并且呢我想的是在改写这一块啊，用户可以去按照平台啊，字数啊，受众啊风格去定制， 还可以直接去与 ai 对 话进行非常详细的定制化的一个改写。然后啊，就是艾米后台也得一起给我做出来啊，包括这个用户啊，订单啊，积分啊，操作记录等等，这些都可以非常轻松的进行一个管理。所以说这次任务啊，这个视频 g l m 五点一能否顺利完成，我们拭目以待。 那这次呢，我们就在 cursor 当中去使用 g l m 五点一啊，因为我之前用的是这个 pro 套餐，所以说呢，我可以在第一时间去体验它们最新的模型。接下来的话呢，我们就参考这篇文章，把 g l m 五点一啊配置到这个 cursor 里面去，随便说句话，看到回复呢就表明已 经接入成功了，那我们接下来输入这段提示词，那如果有参考图片的话呢，也可以在这个时候直接贴给他。那这边呢，我再跟大家分享一个小技巧，就是不要让它说一下自己对这个需求的理解啊， 以及他目前有哪些地方。是啊，需要和我们二次确认的，看一下他到底能够理解到什么样的一个程度啊，是不是和我们已经对齐了， 那这个阶段我们和 ai 全部拉齐以后呢，再让他继续往下做，整个后面的这个过程啊，就会丝滑很多。那我中途呢，还会去让他帮我想想产品的一个功能有没有什么漏洞啊，有没有闭环啊，包括商业化运作这方面啊，有没有什么不足等等，但凡是在这个产品的开发过程当中，你可以想到的任何问题，你都可以在这个阶段和 ai 沟通， 等到他给出了这个详细的实施方案，完美匹配了你的这个阶段的需求啊，你就可以让他开始工作了。那我们第一阶段确认完毕了之后呢，他这边也没有开始直接写代码啊，而是呢先帮我们拆了一整套完整的这个任务流程。 那这一点呢，我觉得是非常的关键啊，因为真正的这种工程能力啊，其实不在乎你写的有多快，而是你能不能够把一件复杂的事情拆的非常的细致啊，拆的非常的对。那接下来的话呢，我们就让他一块一块的往下做啊，比如说我们可以先做视频下载这一块 啊，他会先去确认我们想要去支持的哪些平台，然后呢给出这个接口设计和处理的一个流程，再到这个文案提取啊，他也会去考虑用什么样的一个方式来解析字幕啊，是直接抓接口啊，还是做 啊这个视频转文本的这样的一个处理。那到了 ai 改写这里呢，他甚至还会去帮我们把这个改写的策略啊设计了出来，我觉得这些其实已经不是单纯的去写代码了，做这个业务实现，对吧？而是他开始在帮你做 啊，非常详细的这种产品的设计啊，在积分系统这一块，其实我一开始也没有给到他一个非常详细的这种扣减的规则， 只是说我希望用户在使用某些功能的时候呢，可以去消耗他的这个积分，然后他自己呢就帮我设计了一整套的这种构建逻辑啊，你比如说下载消耗多少啊？然后改写对话，改写消耗多少？不同的这个模式呢，还会有一个差异化的计费。那虽然说呢，这个也不一定是最终的最完美的这个解决方案吧，但是呢，他至少是 在县级段给了我一个可以直接拿来用的出版整个过程下来，我最大的一个感受就是他不是在等你指挥，而是在主动推进，很多时候我们只需要给他一个方向，然后他自己呢就会去把中间那块给你脑补上。另外我还发现了一个事情，就是我这里面不是会 用到 ai 大 模型做这个改写和对话嘛，那我发现呢，我之前的这个 coding plan 可以 直接拿来用，也就是说我们平时携带嘛，包括这里的 api 调用，都是可以走同一个 plan， 甚至呢我们还可以把这个 g l m 五点一接入到龙虾啊，也是同一个 plan， 性价比特别的高。 那最后呢，我又让它基于现有产品做了一套后台管理系统啊，比如说这个用户列表啊，订单记录啊，积分流水啊，甚至还有这里的改写记录，对吧？ 尤其是下面的这个系统配置，这里啊，我们之前的这些改写功能，其实用户选的各种策略，它背后对应的都是提示词，那它增加了很多配置的一个类型，就是尽量让这个配置表可以在未来做到大局通用。那比如说这里的任务类型啊、状态啊、平台啊、风格啊， 其实都是走的刚才的那个配置表。那这一块我觉得还是挺加分的啊，因为很多 ai 它到了这一步可能就开始摆烂了啊，或者是它自己自由发挥了。 那你像这个 glm 五点一呢，它能够在这么长的一个任务当中啊，在你没有明确要求的这种情况下面，把整体的这个系统往可扩展、可维护的这个方向去做设计啊，我觉得是非常的难得。 那比如说你后面如果想要去新增一个品牌，新增一种风格，新增一种改写的策略啊，你直接在这里加一个配置就 ok 了啊，非常的丝滑。那这一点呢，我觉得其实已经有点接近正常后端工程师，它在做 呃系统设计的时候这样的一个思路了啊，就是非常的有怎么说啊，活人感。那当然这个中途呢，也是会出现一些这样或者是那样的 bug 啊，比如说这个视频下载失败了，然后封面无法解析等等等等。但是呢，我们都是可以通过和 ai 描述问题来解决问题的。那 做完这个项目之后呢，我其实有一个挺明显的感受啊，就是 ai 编程这件事情呢，真的是在发生一个很大的变化。以前呢，我们用 ai 可能是让他去帮我们写代码，做代码补全，但是现在的话呢，你是把一个完整的任务直接丢给他， 让他自己去做，从理解需求到拆解步骤，再到执行修问题，最后交付结果。这中间呢，其实我们已经不再是写代码的那个人了啊，而是更像一个分配任务的人。那这也就是大家所说的这个 long horizon， 当 ai 可以 自己去持续工作几个小时甚至更久的时候呢， 它所改变的就不是一个简单的效率问题，而是在颠覆我们整个做软件做项目的一个方式。所以说如果你现在也在做自己的项目，不管是工具还是副业啊，真的是可以去尝试一下这个 g l m 五点一这个最新的模型。 ok， 那 以上呢，就是本期视频的一个全部内容了，感谢大家的收看，我们下个视频再见， peace。
1079程序员御风
03:18查看AI文稿AI文稿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！
230快跑啊小卢_
00:34查看AI文稿AI文稿我去，兄弟们， ai 大 模型重磅的消息！现在啊，港股大模型还在充，尤其是智普啊！今天智普发布了一个重磅的消息，更新了啊，他们大模型向部分企业用户开放了 jim 五点一的高速版本， 模型输入速度能达到每秒四百 top 四，我的乖乖，太快了吧！这个高速版本啊，适用于 ai 编程，实时交互、实时语音这些对颜值要求极高的场景。说白了啊，就是这边刚说完，那边就能立马收到我的乖乖呀，现在大模型 太强了吧，与大模型相关的啊，兄弟们，后续啊，还是有机会的，尤其是 ai 用这一块，明白了吗？
02:09查看AI文稿AI文稿智普 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。
346AI技能研究社
00:26查看AI文稿AI文稿据智普公众号，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。
16每经电讯
00:44查看AI文稿AI文稿我的天， gmail 五点一也开源了！我记得它三月底才上线，怎么今天就开源了？ 最近的 ai 圈是不是要变天了啦？这个模型的代码能力位列全球第一，超越了 g e t 五点四和 cloud opus 四点六，而且官方习册用了八个小时，长时间自救工作从零星成 linux 桌面， 太恐怖了。如何使用 g m m 五点一可以在线调用 a p i 进行聊天或者本地部署。但是 g m m 五点一本地部署的硬件要求实在是太高了，大部分个人电脑的配置都不太行，咱们可以用欧拉玛平台的云端代码示意行。
222集集集集盒🌈
01:25查看AI文稿AI文稿别再盯着全 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。
3164俊仔的cyber
02:17查看AI文稿AI文稿今天晚上九点钟左右，最新的 clock code 公布了一个 gm 五点一的一个公测的一个模式，然后我就赶快的去重新新建了一个 api， 然后用了这个 gm 五点一， 感觉还不错，确实它在这个工具调用，还有它在任务运行上 以及长时间处理任务的这个能力上都要比 gm 五，就是我最近用比较多的一个模型要强。可以看到我问了他一个问题，我问他他的优势在哪地方， 他告诉我在工具集成上，编程能力，还有一个多智能体写作以及持久记忆上可能会有一定的优势。 然后直接所以我直接让他连一个这个我的 unity 的 一个 mcp， 让他在这下面帮我去做一些跟游戏开发相关的事情， 然后发现他很快的就习得了一个 skills， 而且他应该是进行一个并行的这么一个模式， 所以我觉得现在这个模型的一个趋势就是会越来越强，在这个长期记忆和这个工具调用上都会越来越好。 嗯，但是呢，有个问题就是要看你的需求是什么样子的，如果你是专注一个 coding 的 这么一个情况下，我认为这个五点一是个很好的选择，就是他可能会啊，在回答你问题的时候去专注于这个代码层面，他可能不会专注你个具体的问题的，就是回答上， 所以我认为他是对一个这个代码开发者是相对友好的，然后， 嗯，相对来说，如果你要去做一些其他的事情，对吧？呃，也不一定说用这个 gm 五点一可以切换成其他的，对应的稍微便宜一点的东西也可以， 但是不得不说新新出来这个五点一我还是很喜欢用的，然后就期待在大家的一个评价。
92r
05:13查看AI文稿AI文稿断档第一！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。
6232Lau博士的云组会
02:20查看AI文稿AI文稿二零二六年，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。
02:15查看AI文稿AI文稿就在上周五，智普直接在用户社群里扔了颗深夜炸弹， callinplay 全体用户即将用上最新旗舰 g o m 五点幺。拿到更新后，我第一时间上手实测，特意挑了个很考验功底的实操场景，让它从零生成一个赛博复古风的网页游戏。要求一步到位，先设计完整游戏逻辑， 写出全套 h t m 摇加 css 加 g s 赛码，加上像素风 u i 动画特效、计分系统、死亡判定，最后还要自动生成一份可直接运行的说明文档，高 告诉我怎么打开、怎么调试、怎么扩展功能。看着步骤不算难，但懂点开发的都知道，这种从头到尾连贯下来的复杂任务，最吃模型的常上要闻理解和全程专注力。而 g m 五点幺拆解需求特别稳， 全程牢牢盯着核心目标，不会写着写着跑偏漏掉关键细节，写代码时结构清晰不混乱，就连最后配套的运行说明、调试指南都写的特别完整。这一点真的很出乎我意料。 因为之前我也用过一些主流编程大模型，但凡牵扯多文件逻辑，长链路编辑还要配套交付，大多写到后半段就开始往前面的逻辑界面、动画逻辑经常对不上， 最后交付的东西根本跑不起来。但 g i m 五点幺不一样，全程能记住整个项目的结构，从需求理解、代码编辑、界面设计到交付说明，一整条链路丝滑衔接，这种扎实的长城落地能力 真的拉开了很大差距。这确实是目前编程能力第一梯队的模型，尤其是在复杂任务的持续执行和完整交付上，体感差距非常明显，个人觉得能媲美国产的 oppo 的 四点六了。 我们为什么要关注这件事情？因为长城任务能力是检验 ai 智能的新标准。 g m 五点幺突破明显复杂，目标自动拆解，长链路，不跑偏，不掉目标代码，网页 api 无缝切换， 全程记忆，进度连贯推进。直白讲，越来越像靠谱的全职工程师。现实问题随之而来，当 ai 能稳定承接中高阶工程任务，人的不可替代性还剩多少 头部企业全在压这条赛道，能力越强，肉眼可见，尽早吃透用好这类工具，才是接下来的核心竞争力。现在 g i m 五点幺已面向 g i m c d play 用户开放，性价比超高，闭眼入不亏，你准备好了吗？
9642徐皓AI分享
02:34查看AI文稿AI文稿最近有网友问我，世界大模型第一股智普的 glm 五发布了，说它是全球最好用的开源模型，编程能力堪比 cloud， 是 真的吗？ 先说结论是真的，中国清华系智普最新的 glm 五模型已经在编程能力上比肩 cloud 了，全球开源模型中排名第一，虽然还有微小的差距，但是我们在快速的追赶中， 我是杨乐多大白话讲 ai 这款 glm 五到底强在哪？用三点跟大家说清楚。第一点，开源模型世界领先。目前这款 glm 五在全球的开源排名中，编程能力排名第一，综合能力排名第四， 也就是在全球范围内把代码公开，让大家免费使用的模型里面， g l m 的 编程能力是最强的。第二点，代码能力逼近顶尖水平，目前编程全球最强的就是 cloud 模型，而 g l m 五在编程的使用体感上 已经跟 cloud 相差无几了。第三点，他专门擅长处理复杂的任务逻辑，也就是一个不会代码的人，可以跟他进行多轮对话后生成一个复杂的产品，甚至不用写一行代码就可以实现。 我们客观的看，差距确实还存在，但是你要知道，一年前我们的 ai 代码编程能力比全球顶尖水平差了十倍不止， 而现在我们基本上跟他们近在咫尺了，并且 glm 还是一个开源的模型，开源的模型意味着全球的开发者都可以免费的使用它，并且在上面进行二次创作和修改。 而 cloud 是 闭源模型，只能通过付费调用它的 api 来进行使用，并且不能对其进行二次的修改和调整。做一个比喻啊， cloud 就 像是高墙内的武林高手，没有人知道它是怎么实现的， 他的武功不外传，你们只能看。而 glm 五呢，就像一个武林盟主把所有的武功秘籍全部都公开了，那你想想谁的影响力更大，谁会进步的更快呢？ 这就是中国 ai 的 速度，中国至普系的 glm 一 年时间走完了别人三到五年要走完的路，中国在不断的这，这背后就是中国的 ai 的 硬实力，也是中国 ai 选择开元路线的再一次胜利。
386杨乐多讲AI
01:04查看AI文稿AI文稿全球最强开源模型，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！
276科技芯雨
08:48查看AI文稿AI文稿智普啊，发布了 glm 五点零，为了测试它的能力啊，我用它构建了一套可以无限运行的 ai 开发系统。我用这个系统运行了长达十个小时，从晚上十点到早上八点， ai 做了几十次 getmate 的 提交， 开发了一个 ai 漫剧生成工具，有前后端有数据库，可以用户注册和登录，还接入了大圆模型，图片生成模型，视频生成模型。通过这个视频，你会学到如何构建这样一个无限运行的 ai 开发系统，并了解到 glm 五点零的惊人开发能力。 整个过程我都只是输入简短的 prompt， 没有亲自阅读或修改任何一行代码。我一直在旁边玩着游戏，等他干活， 尤其是我视频最后会讲的，他把整个项目的所有模块联合起来，然后端到端的 bug 修复错误，非常的牛逼。他不只是单纯的写代码，他甚至自行在浏览器中验证每个功能的正确性，找出 bug， 然后自行在浏览器后端数据库第三方的 api 之间联合调试，找出问题，修复错误。 那赶紧进入正题啊，相信对你会有所启发。我使用的工具是 cloud code， 并且把模型切换为 g l m 五点零，具体方法可以看我之前这一条 g l m 四点七的视频。 那我们首先要搭建一套能无限运行的 ai 开发系统，说是系统，其实就是几个文件，做法非常简单，我把一篇来自 astonopy 的 神级文章发给 ai， 让他自己去学习，根据这篇文章做出这套系统 文章叫长时间运行智能体的有效调度编排框架。那过程中 ai 做出了一些操作预期的举动，他通过 m c p 打开浏览器， 通过这篇文章的页面找到一个配套的 get up 仓库，打开仓库的代码文件进行学习。而我事先都不知道这个代码仓库的存在，最终他创建出了这一些文件。 我解释一下最重要的几个，帮你理解一下这套系统的工作方式。 task 点 jc 文件，其实就是一个任务列表，每个任务都有它的描述，并且会标记是否已经完成。和我们人类工程师每天上班一样， ai 每次从这里面领取一个任务， 完成后就做一个标记，这样他的 ai 同事啊，就知道项目进展到哪里。 progress 点 txt 文件，每次 ai 完成任务啊，或者任务失败后，都会在里面留下工作日期，这也是为了给其他 ai 同事提供一些信息。 log 点 m d 文件，这里面全是提示词，用来指导 ai 根据固定的规范流程工作。和我们人类工程师的开发流程类似， 第一步，跑一个脚本，来初识化整个项目的环境。第二步，在 task 里面领一个任务。第三步，就开始开发。第四步，测试和验证。 第五步，更新 progress 和 task 文件。第六步，用 git 提交代码。那如果中间遇到困难，需要人工介入，它就要及时向人求助。那在以前一些长期运行能力不强的模型中啊， 这么长的开发流程，一旦工作上几十分钟，模型就会逐渐混乱，不再按照规定的流程工作，而如今完全没问题啊。视频后面我们会看到， glm 五点零，即使在长达一个小时的工作，提交了几十个 commit 后，仍然很好地遵循开发规范。 然后呢，我让他写一个脚本，用来无限时间的运行。这一套开发流程背后的原理很简单，就是把 cloud code 放到一个 while 循环里面，这样一来，人不在电脑旁边的时候没法手动 prompt， ai 就 可以执行这个脚本，让 ai 无限的工作。它之所以有效，有几个原因啊， 第一，我们这套流程每次只要给 ai 说一句，完成下一个任务，不需要更具体的指示， ai 就 能通过 task 和 progress 文件知道自己现在应该做什么。 第二，每个 task 都很小， g l m 五点零足够的强大，每一次 y l 循环里面，他只是领取一个很小的任务，并且严格的测试，成功率极高。第三，每完成一个任务，模型的上下文都会被清空，所以模型始终保持在最聪明的状态。 第四， g l m 五点零非常可控，严格按照工作规范执行，每次小任务都会进行 commit， 所以 即使出错，我们可以轻易地回滚到旧版本。 好，现在我们这套系统有了，接下来就要开发软件，我们先来设计一下它的功能和架构。这个软件的用途是一句话，生成长视频。我让 ai 把整个项目的开发需求拆成了三十一个任务，放到 task 文件里。 这是 ai 设计的软件，架构不复杂，但五脏俱全。再看一下 ai 画的业务流程图啊，帮助大家理解我们要开发的这个软件具体的功能。 首先，用户会创建一个项目，然后用大圆模型生成每一个分镜的文字描述，然后再用图片模型生成每个分镜的图片，再用视频模型生成。视频开发的流程比较长啊， ai 做了几十次提交，我就选几个精彩的给大家讲。 在 ai 做到第十九个任务的时候，为了测试 glm 五点零的能力呢，我产生了一个大胆的想法，我让他一口气做了一个多小时，完成了十一个任务，干完一个又一个，中间我没有任何干预， 给大家倍速感受一下效果。他一直在写代码，并且每次都遵循我们的开发规范，每个任务都完成，测试一个，一个任务，单独提交代码，拿一个具体的任务作为案例啊。他现在领取了任务三十，任务目标呢是实现响应式的布局，也就是让 u i 在 手机端和桌面端看起来不一样。 他现在正在修改代码，然后验证项目能 build 通过。然后他现在把浏览器的大小变成了手机屏幕大小。打开了我们的应用，他点击了一个按钮， 他对页面做了一次截图，用识图的 m c p 判断是否正确。再打开了一个新的页面，再做了一次截图，并检查是否正确。然后在 progress 里面仔细描述了自己所完成的工作，然后把这个任务标记为完成，他就按这么一套方式疯狂的干完了每一个任务。 要接入数据库的时候呢，他主动提出需要人工帮助，并且一步一步地给我说明，告诉我如何去这个 superbase 平台啊，点哪里创建项目，配置数据库，获取 api key。 尽管我没怎么用过 superbase， 仍然轻松地操作下来了。中间我还犯了错误，给他提供了错误的 key， 也被他及时发现，最后他还让我帮他去注册一个测试账号，然后他自己打开浏览器，输入账号密码，验证登录功能，可以正常使用。那像 superbase 这种外部的系统啊，超出了 ai 的 控制范畴。 g o m 非常明确的给我提供指引，让我协助他完成开发工作，一个不了解后端的人，也能在他的指引下完成数据库的配置。 他开发完后端一系列 c r u d api 后呢，声称对每一个 api 都进行了测试，但所有的 api 都是需要 os 的， 前端也还只有一个空白的页面，所以我就很好奇他哪里来的 os 权限，怎么完成测试，是不是在忽悠我？ 于是我问了他一下，他用简短的语言，漂亮的格式向我解释。他说他打开浏览器，登录了刚才创建的测试账号， 然后通过一个叫做 browser evaluate 命令，在浏览器可以执行任意的 javascript 代码。然后他写了一些临时的 js 代码，就在浏览器里运行，调用我们的后端 a p i， 这样就能有 office 了。非常聪明的做法，我还怕他在骗我，我检查了一下录像，确实如他所说，他打开浏览器疯狂测试， 中间还真测试出不少问题，他就自行查看后端的报错日期，自行修复。最终三十一个任务全开发完后，啊，我也懒得去人工验证这个项目是不是已经可以用了。在往常的开发中啊，到最终阶段，因为已经把 前端、后端、数据库、第三方 api 全部连起来了，那第一次的集成测试啊，就会非常头痛，因为任何地方都可能出错，往往需要浪费大量的时间再把错误找出来发给 ai， 让 ai 去修复。但这一次我非常大胆，我只说了一句话， 请你完整测试一遍流程，确保功能可用。大概就是从早上七点十分开始，他自己在浏览器上疯狂测试，花了一个小时提交了这么多改动，用来修复 bug。 我看他在浏览器上像人一样一步步操作我们的产品，通过截图和视觉能力来判断是否符合预期。遇到问题的时候呢，他就自己查询后端的报错，检查各种 api 的 状态，综合分析出问题。最终他总算顺利的生成出了第一个视频，端到端的把整个应用全部打通了。 他修复的每一个 bug， 做的每一个 feature， 其实我都不清楚是什么情况，但我想知道的话，我只要找到他的 commit 记录，看一下他在 progress 文件里写了什么。这也是这套流程的强大之处，一切都是可追踪的。 我们让 glm 五点零一边开发项目，一边在开发过程中发现问题，让 ai 来增强我们这一套自动化的开发系统，左脚踩右脚，螺旋升天，我相信这就是未来开发者的工作方式。总结来说， glm 五点零已经远远超出了单纯抠顶的范畴，而是能对软件工程的每一个环节进行自动化，提升效率。 gm 五点零在超长任务上非常出色，已经达到了能让我放心的交给他连续运行一个小时的程度。横向对比的话，我个人认为 gm 比刚发布的 oppo 四点六弱一点，但在一些方面可以超过 gbt 五点三。 重点是价格便宜非常多，但现在过于热门啊，供不应求，抠钉套餐非常难抢。那我们这个项目呢？虽然现在端到端全部打通了，但最终深层的视频效果还有很大优化空间。点赞到一万，我可以开源出来，让感兴趣的人进一步优化它。
4.4万数字游牧人Samuel
06:02查看AI文稿AI文稿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！
3.5万灵总AI.bot
02:15查看AI文稿AI文稿这也太快了吧，大模型第一的位置已经悄悄换人了。就在前几天，致富版最新模型 glm 五点一毫无预兆地向所有 coding plan 用户全面开放。官方评测数据显示， glm 五点一的编程能力直接飙升到了四十五点三分，相比五点零版本性能提升了将近百分之三十。老实说，这操作太像当初的 dc， 不搞花里胡哨的营销造势，是骡子是马，让用户自己去遛，主打就是一个技术自信。而且这次升级的核心直接指向了智能体工程，专攻长距离、多步骤的复杂工程任务。接下来直接带大家实测一下， 任务是从零搭建一个带用户注册、商品展示和订单管理等等的前后端分离购物商城系统。正常来说，这是一个初级工程师，大概需要三到四天的工作量了。我先给了 gln 五点一张参考图，然后用大白话输入了一段提示词， 发完了我就坐在旁边看着他干。他先是主动写了一段执行步骤，说明每一步怎么搭建，包括先做后端搭建，然后产品分类、购物车订单管理，再到前端页面的搭建，最后集成数据并往上。然后他就开始一个阶段一个阶段的写，后端框架搭建、前端页面生成安装依赖项验证构建结果。 而且不像以前用的某些开源模型，写完一段就得监督下一段。除了中间让我授权一些权限， gln 五点一的每一步都是他自己推进的。 最让我惊讶的是，中间出现了 n p n 缓存权限和 x n l 文件解析问题。以前用别的模型到这里基本就要人工介入排查，报错再未回给他了。但 g l n 五点一顺着报错自己排查了一遍，定位到问题之后自己改掉了，然后继续往下走， 最后交付的时候登录注册能顺利跑通，权限控制生效，数据看版也能正常展示。整个过程只用了不到三个小时，而且对话框我一句都没有输入过。可以感受到，整个测试过程里， g l m 五点一体现出了极强的状态延续和目标保持能力，特别是在长城任务的执行和交付上， 跟 k 二点五确实拉开了一个升位，它的编程能力真的可以说是当前模型里断档领先的水准了。看完这个案例，就问你黄不黄？ 以前总觉得 ai 只是帮我们提效的工具，我们自己才是那个做决策把控权的人，但 g l n 五点一展现出来的能力，就像是一个自己就能把控权的资深工程师， 以及去焦虑害怕被替代。不如想清楚我们的核心竞争力到底是什么。未来不再是比谁更会敲代码，而是比谁能更好的给 ai 下任务，成为驾驭这些智能体的人。
1043雪姐姐AI
02:35查看AI文稿AI文稿glm 四点五到四点七，再到五，现在到了五点一。很多人第一反应是，哦，又出一个新模型，参数更大，能力更强，对吧？错了，这次更新不一样，智普不是在跟你拼模型技术，是在跟你拼应用落地。看官方文档怎么定义。 glm 面向 agenc engineering 打造， 擅长复杂系统工程与长城 agent 的 任务，在真实编程场景的使用体感逼近 cloud、 opus、 四点五这些词，你看到了什么？大多数人的解读是哦，质朴的编程能力很强了，跟 cloud 差不多了，还能做 agent 任务。但还有一个信息，你可能漏掉了通用 agent 助手的理想寄宿。 什么意思？以前我们说 ai 助手是一个问答工具，你有问题，他给你答案，代码错了，你问他怎么改，下一步该做什么，你问他怎么写，从头到尾是你在掌控节奏，但面向 angelic engineering 打造的模型不是这样。 agent 它是什么？ agent 是 智能体， 智能体不是等你来问。他可以自己规划任务，自己制定步骤，自己执行流程。你给他一个目标，他自己去拆解成若干步骤，自己去判断每个步骤该怎么做，自己去执行，自己去检查结果。如果有问题，他自己调整，如果中间有障碍，他自己绕路。这就是长城 aj 的 任务。 以前是你带着 ai 工作，现在是 ai 带着你工作。你给出一个需求，比如帮我写一个完整的电商网站前端以前的模型，你可能要问十次，先写什么？这个组件怎么连？ api 怎么调？样式怎么调？报错了怎么改？ aj 都不需要它自己规划，先搭架构，再写组建，再对接 api， 再调整样式，再修复 bug， 再优化性能，一步一步它自己推进，你甚至可以在旁边看着。这就是 glm 五这次更新的核心，不是告诉你我的编程能力有多强，而是告诉你我已经可以像真正的开发者一样工作了。这背后是什么？ 是智普看到了一个更大的战场，模型能力竞赛打不完的，今天你第一，明天我反超。但应用落地是另一回事。谁能真正进入开发者的工作流？谁能真正减少开发者的操作成本？谁真正能让开发者每天打开编辑器，就觉得 ai 是 自己在写代码？ 这才是真正的竞争。智普这次选择了后者。五点一不是技术秀，是战场转移的信号。他告诉大家，别再盯着模型排行榜了，看看你的工作流。如果你还在用以前的模型，还在像对待一个问答助手一样对待 ai， 那 你可能已经错过了一个时代。因为新的 ai 不是 用来对话 的，是用来共事的。你需要的是一个能跟你一起写代码，甚至比自己还懂整个项目的 ai， 这就是 g l m。 五点一。
34老诸的Ai朋友圈
02:24查看AI文稿AI文稿智普 g l m 五点一昨晚突然偷袭，编程能力相比上一代暴涨十分，评分直接贴到了全球最强模型 oppo 四点六的脸上， 甚至把扣丁 plan 都给卖断货了，这国产大模型卷起来，真是连服务器都不给友商留啊！智普 g l m 五点一这次不仅是常规迭代，它在代码场景下支持瑞斯尼模式，上下文窗口稳在二零零 k， 有极客已经用它连夜搓出了可交互的 ai 版我的世界，空间，补全能力极强。最离谱的是，它完美兼容 open nai 接口， 开发者改一行代码就能无缝切换。这波 astrapec 的 sonnet 四点六恐怕要连夜修复爆了，因为 sonnet 四点六已于二零二六年二月十七日发布。聊完了模型，咱们看看语料库建设。 教育局和国家语委近日正式发布了两项新规范，专门针对 ai 语料库基础术语和机器合成普通话等级。 这意味着以后咱们为数据搞 tts 都有了国家标准。对于做热爱者和语音生成的开发者来说，这可是合规性和工程化的重要指南， 建议去下个 pdf 文研读一下。不仅是软件层面硬核，国产智能车也开卷了！智己 l s 八已于二零二六年三月二十六日开启预售，预售二十五点九八万起， 直接塞进了英伟达芙尔芯片，六十四 g 内存带宽直充二七三 gbs， 这性能已经超越很多高配 pc 了。 更绝的是，他首发了全线控四轮转向，还搭载了千万大模型做 agent 助理。这哪是卖车啊，这分明是卖一个带轮子的聚生智能工作站最后大厂人才流动的瓜也得吃一口。 华为盘古大模型负责人王云鹤，已于二零二六年三月二十八日被爆离职。这位九十一年的天才少年，曾获华为十大发明奖， 现在要投身 a 振赛道进行水下融资了。在 gpt 五点二已于二零二五年十二月发布并普及的今天，纯模型已经不是护城河，能够跑通复杂流转的智能 a 振才是下一个风口。 看来今年的 a 振创业潮又要加一把火了！代码模型卷性能、国产芯片卷、上车大佬离职卷、 a 振观众老爷们，这波技术爆发，你们跟上了吗？点个关注，天天降带你拆解最硬核的两千零二十六！
13AI天天酱
