GLM-5.2 发布：开源模型首次接近前沿水平

1. GLM-5.2 发布，社区公认首个接近前沿的开源权重模型

6 月 18 日，智谱（Zhipu）发布的 GLM-5.2 成为当天 AI 社区最核心的事件。多位独立从业者一致将其描述为"首个在日常使用中感觉确实接近前沿水平的开源权重模型"。GLM-5.2 在继承 GLM/DeepSeek 系列 MLA（多头潜在注意力）和 DSA（动态稀疏注意力）架构的基础上，新增了 IndexShare 技术——跨层组复用稀疏注意力 top-k 索引，大幅降低 100 万 token 长上下文推理的成本。模型参数规模为 753B MoE，每 token 仅激活约 40B 参数，采用 MIT 许可证，预训练规模达 28.5T token。

Wow. @Zai_org GLM 5.2 is a marvel! It is at least as good as Opus 4.8 and GPT 5.5. It's super fast, inexpensive, and not too verbose. It responds with nuance and judgement, & handles long context VERY well. I've never experienced an open weights model like this before.
— @jeremyphoward

哇！智谱 GLM 5.2 太惊艳了！它至少和 Opus 4.8、GPT 5.5 一样好。速度极快、价格低廉、输出不啰嗦。回答富有洞察力和判断力，长上下文处理得极好。我从未体验过这样的开源权重模型。

fast.ai 联合创始人 Jeremy Howard 的评价获得了 6488 赞和 444 次转发，代表社区情绪的高度一致。@matvelloso 称其为第一个通过他"日常主力"标准的开源模型；Artificial Analysis 的独立评测将 GLM-5.2 置于 GPT-5.5 和 Opus 4.8 之间。智谱在发布策略上也极为激进：通过 Hugging Face Inference Providers 提供限时免费推理，llama.cpp/Unsloth 同日上线 GGUF 量化支持，内部任务通过率从 GLM-5.1 的 21/70 跃升至 48/70。

不过，本地部署的硬件门槛极高：FP8 推理需约 744–890GB 显存，即使 2-bit 量化仍需约 238GB。社区期待推出 200B–300B 的 Air 版本或约 40B 的 Flash 版本。

2. Codex Record & Replay：演示一次即创建可复用技能

OpenAI 开发者团队发布了 Codex Record & Replay 功能，用户只需演示一次工作流程，Codex 便会将其转化为可检查、可编辑的技能。这是当天互动量最高的开发者工具类帖子，获得超过 12,000 赞和 842 次引用转发。

Show Codex a workflow once. Reuse it as a skill. Record & Replay lets you show Codex a recurring task, like filing an expense report or submitting a time-off request. Codex turns that demo into an inspectable, editable skill. You control when recording starts and stops.
— @OpenAIDevs

向 Codex 演示一次工作流，即可作为技能复用。Record & Replay 让你向 Codex 展示重复性任务（如报销或请假），Codex 将演示转为可检查、可编辑的技能。你完全掌控录制的起止时机。

这一功能验证了"演示驱动自动化"作为产品形态的巨大需求，开发者社区反响热烈。同一天，Cursor 也发布了 /automate 命令，支持通过自然语言配置触发条件、指令和工具，集成 Slack emoji 和 GitHub 触发器。

3. AA-Briefcase 基准发布：长周期智能体知识工作新标准

Artificial Analysis 推出了 AA-Briefcase，一个更加贴近真实世界的智能体知识工作基准。该基准围绕 多周项目 构建，包含数千个碎片化输入（公司文档、会议记录、25,000+ 条 Slack 消息、3,500+ 封邮件），要求模型产出财务模型、董事会演示和设计稿等交付物。

Announcing AA-Briefcase, the benchmark for the next era of agentic knowledge work. Claude Fable 5 leads with an Elo score of 1587, followed by Claude Opus 4.8 (1356), and GLM-5.2 (1266). Claude Fable 5 cost $31 on average per task, vs $10.40 for Opus 4.8, $3.68 for GPT-5.5 xhigh, and $2.40 for GLM-5.2.
— @ArtificialAnlys

推出 AA-Briefcase，面向下一代智能体知识工作的基准。Claude Fable 5 以 1587 Elo 领先，其后是 Opus 4.8（1356）和 GLM-5.2（1266）。Fable 5 每任务平均 $31，Opus 4.8 为 $10.40，GPT-5.5 xhigh 为 $3.68，GLM-5.2 为 $2.40。

关键发现：顶级模型在所有任务中完全满足评分标准的比例仅 3%，长周期真实知识工作依然极难。GLM-5.2 以不足 Opus 4.8 四分之一的价格仅差约 90 Elo，性价比突出。DeepSeek V4 Flash 每任务仅 $0.04，但 Elo 评分也相应较低。

4. xjdr 发布 Noumena Code：为 AI Agent 重建版本控制系统

@_xjdr 发表了一篇详细论述，指出传统 git/GitHub 工作流在成百上千个代码 Agent 并发运行时已彻底失效——工作树过期、审查状态分叉、环境创建开销巨大、状态同步混乱。他宣布推出 Noumena Code / ncode，一个从零为 AI Agent 设计的垂直整合开发平台：

git is poorly suited to AI work. When you spin up multiple agents at the same time, branches and worktrees become stale, after dozens of changes and PRs, reviews diverge causing constant conflicts. Neither git nor GitHub was designed for my new AI-centric, dozens to hundreds of agents working on large repos simultaneously, workflows. So that's what I built.
— @_xjdr

git 完全不适应 AI 工作。同时启动多个 Agent 时，分支和工作树迅速过期，数十次变更和 PR 后审查状态分叉导致持续冲突。git 和 GitHub 从未被设计来应对成百上千个 Agent 并发协作的需求。所以我从头构建了一套新方案。

新栈组合了虚拟浅检出、jj 持久化层、Sapling 风格提交栈、云同步和文件级 ACL，从模型到编码框架到 SCM 到远程运行时全面垂直整合。该项目目前已约 2,500 万行代码，由 xjdr 一人通过 AI 协作完成。

5. Claude Code 上线 Artifacts：会话内容即时转为可共享页面

Anthropic 的 Claude Code 推出 Artifacts 功能，开发者可将 Claude 正在进行的会话工作即时转化为可分享的实时页面，团队通过私有链接即可查看。

Artifacts are now live in Claude Code. Ask Claude to turn what it's working on into a page and send the link to your team. The page updates as the session keeps working. Available today on Team and Enterprise plans.
— @ClaudeDevs

Artifacts 已在 Claude Code 上线。让 Claude 将正在做的工作转化为页面，把链接发给团队。页面会随会话持续更新。即日起在 Team 和 Enterprise 计划中可用。

该功能支持 PR 走查、项目动态仪表盘等场景。@catwu 表示这已经改变了其团队内部的架构变更评审和原型分享流程。这是 Anthropic 在 Claude Code 生态中从纯编程助手向团队协作平台转型的关键一步。

6. GPT-5.5 Instant 健康领域飞跃：已达 Thinking 模型水平

OpenAI 宣布 GPT-5.5 Instant 在健康相关问题上的表现已达到与前沿 Thinking 模型持平的水平。每周有超过 2.3 亿人 向 ChatGPT 咨询健康和养生问题，GPT-5.5 Instant 能更好地识别紧急就医需求、主动询问上下文、解释不确定性，并让复杂信息更易理解。由于 Instant 版本对免费用户开放，这些改进能惠及更广泛的用户群。改进背后是来自 60 个国家、49 种语言、26 个专科的数百名医生 参与的评估反馈。

同日，OpenAI 还发表了一项 NEJM AI 研究：o3 Deep Research 帮助波士顿儿童医院/哈佛医学院的临床医生重新审查 376 例此前未确诊的儿科罕见病病例，最终找到了 18 例新诊断。

7. Laguna M.1 开源：Poolside 发布 225B MoE 编程模型

Poolside 发布了 Laguna M.1 开源权重，采用 Apache 2.0 许可证，支持 256K 上下文。该模型为 70 层稀疏 MoE 架构，225B 总参数 / 23B 激活参数，256 个专家，top-k=16，专门针对长周期智能体编程任务优化，支持推理与工具调用交错进行。Poolside 还展示了在 Apple Silicon 上的 3-bit MLX 构建，M3 Max 128GB 机器上达到约 26 tok/s、峰值内存约 100GB。

同日，Cohere 推出 North Mini Code 的 4-bit 量化和 Ollama 支持，通过 OpenRouter 免费提供访问，进一步降低了轻量级编程模型的部署门槛。

8. OpenAI 发布"广义有益行为"对齐研究

OpenAI 发布了一项对齐研究，通过在健康领域对话上进行强化学习训练，强化模型在诚实、谦逊、关心人类福祉等特质上的表现。结果显示，44/53 项内部和外部对齐与有益性评估获得提升，更关键的是，仅在健康领域进行有益特质训练就改善了 17/19 项非健康对齐评估，包括减少欺骗行为和编码奖励攻击（reward hacking）。

— @thekaransinghal

（核心发现：仅健康领域的"有益行为" RL 训练即可泛化到非健康对齐评估，包括减少 reward hacking。）

这是业界目前较明确的"广义有益行为"操作化尝试之一，超越了传统的狭窄拒绝式安全策略。

9. Inflect-Nano：仅 463 万参数的超小型 TTS 模型

社区开发者发布了 Inflect-Nano-v1，一个仅 463 万推理参数的超小型 TTS 模型（346 万声学模型 + 117 万声码器），输出 24kHz 英语单语者语音。作为对比，它比 Kokoro 小约 17 倍，比 Chatterbox 小 108 倍，比 Fish Audio S2 Pro 小约 950-1000 倍。社区关注焦点在于能否部署到 ESP32 等极低资源嵌入式硬件，以及是否提供 ONNX 导出以降低推理栈复杂度。作者定位其为嵌入式/离线/本地助手基线，而非 SOTA 品质语音合成。

10. WebGPU 浏览器端推理：Gemma 4 E2B 达 255 tok/s

WebML 社区在浏览器中运行 Gemma 4 E2B，通过自定义 WebGPU 内核（据称由 Fable 5 优化）在 M4 Max 上达到约 255 tok/s。对比之下，Hugging Face Gemma Challenge 中 A10G GPU 服务器端优化可达约 500 tok/s。该演示凸显了浏览器端推理的持续进步，但也暴露了 Firefox 不支持 WebGPU 关键特性、模型缓存管理等问题。

另外，vLLM 与 Ray Serve 联合报告了针对不同工作负载的吞吐量优化：prefill 密集型提升 4.4 倍、decode 密集型提升 24 倍，通过直接流式传输、Ray V2 executor 后端和 HAProxy 入口路由实现。向量数据库方面，turbopuffer 将基础计划从 $64/月降至 $16/月，并新增 i8 向量支持以降低 75% 的存储和查询成本。

本作品采用《CC 协议》，转载必须注明作者和本文链接