AI 编程实时动态与要闻

ggml-org 于 10 月 5 日发布 llama.cpp v0.6.0 稳定版（上一版 v0.5.0 为 9 月 23 日）。本版把 GLM-5.3-Flash（GLM5-Next，320B 图文混合 MoE）支持带进正式版，Qwen4Exp 加入 MTP 投机解码（DGX Spark 上解码约 1.5 倍），引入支持 token/embedding 混合批次的 llama_batch_ext 与 llama_process() 新 API，并为 Apple GPU 新增小批量 MMA 矩阵乘内核（投机/批量解码场景最高约 3 倍），ggml 升级到 v0.26.0。会话格式版本号同时升级，旧会话文件需注意兼容。

Cantina Security 联合 Yeta Labs 发布首个开源权重安全研究模型 apex-flash-1（MIT 许可），基于 GLM-5.3-Flash 用 GRPO 强化学习后训练，定位是被上层 Agent 编排的「专注型 Worker」：读代码、调工具、构造利用并在运行中的目标上验证效果。在 20 个留出漏洞案例、60 项任务上 pass@1 为 66.7%（40/60），高于基座 GLM-5.3-Flash 的 60.0%，略低于 Claude Opus 5 High 的 71.7%，但整轮估算成本 2.38 美元，对比 Opus 5 High 的 74.68 美元。同时放出实验性 abliterated 变体。

MiaAI Lab（@MiaAI_lab）为 GLM-5.3-Flash EXL3 增加 TP=3 路径，可在三台 DGX Spark 上运行：相对 TP=2 解码速度 +28%、prefill +9%，并给出 3.2M KV cache 与 1M 上下文；另可选从头节点经 NFS 共享权重（NFS_SHARE=1），释放其余节点磁盘。仓库：github.com/MiaAI-Lab/GLM-5.3-Flash-EXL3-2x-DGX-Sparks。

GLM 生态账号 Lou（@louszbd）宣布面向全部 Coding Plan 用户提升 GLM-5.3-Flash 用量：ZCode 在太平洋时间每天 8:00–18:00 无限使用，并回应 Hermes、OpenClaw 等外部编码 Agent 的额度反馈，将其他 Agent 中的标准 Flash 配额翻倍，变更自动生效。该政策呼应智谱 Zixuan Li 此前公布的 9 月 3–20 日促销窗口，对依赖 GLM Flash 跑编码 Agent 的订阅用户是实质额度加持。

Unsloth 宣布优化后的本地 GGUF 解码使 GLM-5.3-Flash 推理最高提速约 3.3 倍（常见场景约 1.6–3.4×），并启用多 token 预测（MTP）与更快的长上下文解码。3-bit 量化可在约 128GB 内存设备上通过 Unsloth Desktop 或 llama.cpp 运行，配套文档与 Hugging Face GGUF 权重已更新。

SGLang 表示正与 @zai_org 等伙伴改进 GLM-5.3 系列生产 serving；社区与 Cloudflare 反馈后，chat template 中 tool-result 重排改为 early-exit，GLM-5.3 / GLM-5.3-Flash 模板已更新并上线。对依赖工具调用的编码智能体链路有直接意义。

Z.ai 发布原生多模态、100 万上下文的 GLM-5.3-Flash（320B-A18B MoE），并确认它就是近日在 OpenRouter 上爆火的匿名模型 Ox Alpha。模型以 MIT 协议开源权重、完全跑在国产芯片上，API 输入仅 /bin/sh.15/百万 tokens，在真实编码基准上与 Claude Opus 4.8 持平。

Z.ai 发布 GLM-5.3-Flash：原生多模态、100 万 token 上下文、320B 总参/18B 激活，MIT 协议开源，先前以 Ox Alpha 匿名前测。官方 Code Bench 显示其实战编码与 Claude Opus 4.8 持平，API 输入仅 0.15 美元/百万 token，且全部运行在国产芯片上。

Ollama 宣布 GLM-5.3 与 GLM-5.3 Flash（原 Ox Alpha）已在其云端完整上线，托管于美国与欧洲、零数据留存。官方给出 ollama launch claude --model glm-5.3:cloud 与 ollama launch opencode --model glm-5.3-flash:cloud，也可配进 Claude Desktop 或自建 API。相对此前仅预告 Flash，此次把全量 GLM-5.3 送进现有编码代理 harness，让不想把流量交给 Z.ai 直连、又要跑开源智能体编码模型的开发者，能在同一 Ollama 入口切换强度与成本。

Unsloth AI 正式上线 GLM-5.3-Flash（Ox Alpha）超轻量量化 GGUF。通过 3-bit 混合量化技术，这款 320B 总参、18B 激活且具备 MIT 协议的顶尖多模态 MoE 模型可在 128GB 内存设备（如 Mac Studio）上实现本地单机推理。