智谱Zhipu AI
GLM 系列模型，国际品牌 Z.ai
在做什么
智谱 2019 年由清华大学技术成果转化成立，总部在北京，开发 GLM 系列大模型和智谱清言助手，国际业务使用 Z.ai 品牌。
最近动态
信息流里提到这家公司的条目月之暗面 Kimi 拿下全球企业开源模型支出 61%，DeepSeek 和 GLM 分列二三，Meta Llama 才 7%，这组数据值得看看。
有人烧了近 5 千美元推理费，测了 9 款 coding-agent harness 谁更强。结果很反直觉：最贵的不一定最好，Pi 每题只要 0.29 美元。选 harness 前先看这张榜单。
美国团队放出的开源模型，594B 总参只激活 17B，跑分追平 DeepSeek-V4.1-Flash，下周就开源，可以关注。
这个榜单专查各家推理服务商有没有偷工减料，四分之一端点准度不达标，还点名了截断和工具调用出错的 provider，选 API 前先看一眼。
Revolut 嫌 Claude Code 一人一月烧 1 万美元，直接买了 56 张 B200 自己跑 GLM-5.3，成本降到十分之一，还讲了量化调优的具体参数。
vLLM 官方转了篇 TPU 推理生态的分析，Kimi K3、GLM-5.2、Qwen3.5 都跑在上面，做推理部署的可以看看。
基因组一条就是百万 token，他们把 GLM-5.3-Flash 的上下文拉到 1M，用 64 块 B200 训完，全程开源栈能抄作业。
Stanford 搞了个新指标算 AI 每焦耳能赚多少钱，结果小模型反而更划算，8 张 H100 只比 1 张快 22%，选模型前值得看看这套思路。
七个模型轮流写、轮流评数据科学项目，谁提升大、谁自评虚高，这篇都量出来了，做评测的朋友值得细看。
Stanford 团队算了一笔账：AI 任务每焦耳电能能换多少钱。结果显示小模型 Gemma 4 的性价比反而比 GLM 5.2 高 2.5 倍，堆 8 张 H100 也不划算。
一篇关于递归自我改进的论文：他们把论文变成可执行训练环境，微调后的 Qwen 35B 在 PostTrainBench 上追平了 GLM-5.2。
