AI 编程实时动态与要闻速递 — 𝕏/Twitter 一手信源

ModelScope@ModelScope2022·7 天前收录

👀127

🔥85

上海 AI 实验室发布 Atria Dawn 正式版：基于 744B MoE GLM-5.2 的智能体模型，上下文翻倍至 512K，MIT 开源

上海人工智能实验室把 Atria Dawn 从 Preview 升级为正式版，Hugging Face（internlm/Atria-Dawn 及 FP8 版）与 ModelScope 均已上线开放权重，MIT 许可。模型基于 744B 参数 MoE 的 GLM-5.2，面向科研与工程类长程智能体任务，上下文从 Preview 的 256K 翻倍到 512K，仅接受文本输入。官方表格显示其在 AutomationBench、CyberGym、SkillsBench 等智能体基准上领先所列模型，但在 SWE-bench Pro、Terminal-Bench 2.1 等编码基准上仍落后 Claude Opus 5（均为厂商口径）。

核心要点速览

上下文 512K，是 Preview 版 256K 的两倍；基座为 744B 参数 MoE 的 GLM-5.2，仅支持文本输入
Hugging Face 与 ModelScope 提供 BF16 与 FP8 权重，MIT 许可
厂商口径：AutomationBench 54.7、CyberGym 86.8、SkillsBench 67.8、BFCL V4 78.4，均为表内最高
短板同样来自官方表：SWE-bench Pro 61.7 对 Claude Opus 5 的 76.5，Terminal-Bench 2.1 81.0 对 90.2
本地部署需 SGLang v0.5.13.post1+ 或 vLLM v0.23.0+；也提供 OpenAI 兼容 API，可直接接入 Codex

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Atria Dawn⚡ Atria Dawn Preview⚡ GLM-5.2 🤖 Codex 🌐 Shanghai AI Laboratory 🌐 ModelScope 🌐 Hugging Face

#Atria Dawn#Shanghai AI Lab#开放权重#智能体模型#MoE#512K 上下文#MIT

@ollama@ollama·16 天前收录

👀50

🔥94

查看推特原帖 ↗

Ollama Cloud 上线美欧本土零数据留存集群并一键接入 Claude Code，SemiAnalysis 揭秘 GLM-5.3 纯靠后训练实现网安能力质变

Ollama 官方宣布在美国与欧盟本土服务器正式上线严格“零数据留存、零训练”的 Ollama Cloud 托管服务，同步接入 DeepSeek-V4.1-Flash-1017 并支持通过 ollama launch 一键拉起 Claude Code 与 OpenCode；同日，SemiAnalysis 披露重磅内幕：智谱旗舰模型 GLM-5.3 未重新预训练，而是 100% 基于前代模型通过高 GPU 效率的后训练（Post-Training）打造，在网络安全与攻防推理上较 GLM-5.2 实现跨代质变。

核心要点速览

Ollama Cloud 正式上线美国与欧盟本土零数据留存（Zero Data Retention）托管集群，支持通过 ollama launch 一键驱动 Claude Code 与 OpenCode 运行 DeepSeek-V4.1-Flash-1017
Ollama v0.40.6 同步发布，新增 GGUF q2_0 量化张量类型支持，并彻底修复 Windows 平台孤儿 Runner 进程残留问题
SemiAnalysis 披露 GLM-5.3 完全基于前代模型通过高 GPU 效率的后训练（Post-Training）构建而成，在网络安全能力上较 GLM-5.2 实现“昼夜之别”的跨代跃升

阅读全文

关联模型 / 智能体 / 厂商:

#Ollama#Claude-Code#OpenCode#DeepSeek-V4.1-Flash#GLM-5.3#SemiAnalysis

Anthropic@AnthropicAI·21 天前收录

👀74

🔥91

Anthropic 研究：小模型或在数月内具备无数据中心的权重型自我复制能力，IoT 机群可分布式跑 26B

Anthropic（William Zhou、Daniel Freeman）于 2026-10-12 发布研究：小模型或已接近在商用 IoT 上自主复制。评测显示 ≤30B 模型已能完成复制链中多步；简化环境下 GLM-5.2 可端到端复制。演示用 15 台约 55 美元的山寨 Android TV 盒管线并行跑 Gemma4-26B-A4B（约 0.39 tok/s）。作者估计若小模型按历史速度提升，年底或触及可靠复制能力地板。

核心要点速览

官方报告：AI models may be capable of self-replicating without access to a datacenter（2026-10-12）
硬件演示：15×山寨 Android TV（各约 4GB RAM）管线并行服务 Gemma4-26B-A4B，约 0.39 tok/s；9B 级模型在 9 类硬件中有 8 类跑通推理搭建
端到端：防火墙 VPC + redroid（Android 15）简化 ADB 无鉴权设定下，GLM-5.2 在 5 次试验中 4 次扩到 8/8 节点（1 次 7/8）；任务是为 Llama3.1-8B 搭推理再繁殖
速度量级（官方口径）：Gemma4-26B-A4B 单次完整 inference setup 约 71–150 小时；Qwen3.5-9B 约 28–51 小时——偏「天级倍增」而非分钟级蠕虫
防御建议：把 R₀ 压到 1 以下；ISP 流监测异常负载、蜜罐取证、隔离清理；制造商默认口令与合规基线

阅读全文

关联模型 / 智能体 / 厂商:

⚡ GLM-5.2⚡ Gemma4-26B-A4B⚡ Qwen3.5-9B⚡ Llama3.1-8B🤖 Pi 🤖 Memento 🌐 Anthropic

#Anthropic#AI 安全#IoT#Self-replication#GLM-5.2#安全#ARA

InternLM / Shanghai AI Lab@InternLM·35 天前收录

👀85

🔥91

LMDeploy 0.18.0：Qwen3.5 dflash、SM90 量化 GEMM、Ascend GLM-5.2；TurboMind W4A16 与 piecewise CUDA Graph

上海 AI Lab 开源推理栈 LMDeploy 于 2026-09-28 发布 v0.18.0：支持输出 input logprobs、扩展 SM90 量化 GEMM 并统一 TurboMind linear 执行路径；Ascend 侧支持 GLM-5.2；为 Qwen3.5 接入 dflash；MoE 将 shared expert 并入 FFN 并在节点内切分 dense FFN。PyTorch 路径原型化 TurboMind W4A16（AWQ）、piecewise CUDA Graph prefill、XTuner TileLang sparse MLA，并支持 checkpoint-engine 权重热更新与 request-only KV cache 用量指标。

核心要点速览

发版：v0.18.0（2026-09-28）；PyPI lmdeploy==0.18.0
模型/硬件：Qwen3.5 dflash；Ascend GLM-5.2；SM90 量化 GEMM 扩展（#4943）
推理内核：TurboMind W4A16 AWQ 原型（#4897）；piecewise CUDA Graph prefill（#4895）；TileLang sparse MLA（#4904）
运维：checkpoint-engine 权重更新（#4913）；request-only cache 用量指标（#4940）；input logprobs（#4793）
安装：pip install -U "lmdeploy>=0.18.0"；文档见 lmdeploy.readthedocs.io

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Qwen3.5⚡ GLM-5.2 🌐 InternLM 🌐 Shanghai-AI-Lab

#LMDeploy#TurboMind#Qwen3.5#Dflash#AWQ#CUDA Graph#Ascend#推理

Atria ASI@AtriaASI·49 天前收录

👀184

🔥95

查看推特原帖 ↗

上海 AI Lab 开源 Atria Dawn Preview：基于 744B MoE GLM-5.2 的长程智能体模型，MIT 许可

上海人工智能实验室发布 Atria Dawn Preview：面向长程研究/工程任务的智能体基础模型，基于 744B 参数 MoE GLM-5.2，支持工具使用、代码与实验闭环。权重已上 Hugging Face（internlm）与 ModelScope，另有 FP8 版与 256K 上下文，并提供 GitHub、网站与 API 试用入口。

核心要点速览

Atria Dawn Preview 基于 744B MoE GLM-5.2，面向长程研究与工程智能体任务。
开源权重已上 Hugging Face/ModelScope，含 FP8 与 256K 上下文，MIT 许可。
覆盖 Discovery/Creation/Delivery/Cybersecurity 四类端到端生产力场景，并提供 API 试用。

阅读全文

关联模型 / 智能体 / 厂商:

⚡ GLM-5.2 🌐 shanghai-ai-lab

#Atria Dawn Preview#Shanghai AI Lab#GLM-5.2#744B MoE#开放权重#MIT#智能体化#256K

Together AI@togethercompute·62 天前收录

👀63

🔥91

查看推特原帖 ↗

Together：GLM-5.3 在智能体基准上超越 GPT-5.6 Sol 与 Claude Fable 5

Together AI 称智谱 GLM-5.3 已在智能体基准上超过 GPT-5.6 Sol 与 Claude Fable 5，GLM-5.3 Flash 紧随其后。关键点是并未换新底座：Zhipu 沿用 GLM-5.2 基座，靠更多长程环境、更多样任务与强化学习算力做后训练。对编码与长程代理，这意味着开源侧可以用后训练堆量而不是新预训练来追平闭源旗舰，并在 Together 上直接换成更便宜的默认模型。