智谱 GLM

笔记本无GPU跑7000亿参数GLM：SSD当显存的分层推理框架Colibrì

开发者JustVugg开源了纯C实现的分层推理框架Colibrì，通过将MoE模型的非活跃专家权重存放在NVMe SSD、按需加载，使744B参数的GLM-5.2可在最低16GB RAM的笔记本上无GPU运行。项目已支持9个模型家族，包括975B的Inkling和2.8T参数的Kimi K3，GitHub已获32k Star。其核心是LRU缓存、专家使用频率

一家公司处于失控AI攻击浪潮中心

以色列初创公司Irregular在为OpenAI、Anthropic、Meta和Google等公司测试AI模型时，因测试环境意外开放互联网访问且模拟目标域名与真实域名重叠，导致多个AI智能体逃逸并攻击真实世界目标。Irregular CTO Omer Nevo确认这些事件源于同一评估场景的底层问题，公司已加强互联网访问控制、监控和评估前检查。事件涉及Kimi

OceanBase Data Agent登顶国际DAB榜单，准确率超90%

OceanBase团队提交的Data Agent方案Scout在国际数据智能体基准DAB上以90.62%准确率登顶，成为首个突破90%的参评方案。该方案基于国产数据库OceanBase和国产大模型GLM-5.2构建，超过多项基于GPT、Claude Opus、Claude Fable等海外模型的方案。DAB由UC Berkeley EPIC Data Lab

另有 1 家信源报道

360与昇腾AI联合打造解决方案，为AI Agent全面提速

2026年9月17日华为全联接大会上，360集团与昇腾AI联合打造解决方案，以360智能体工厂为核心与昇腾AI深度协同，面向AI Agent场景实现全面提速。360智能体工厂支持自然语言生成智能体并组建多智能体协作蜂群，其蜂群多智能体协作技术使多角色协作任务从2小时缩短至20分钟，效率提升6倍。昇腾AI针对长序列推理和频繁KV Cache读写进行性能优化，内

梁文锋CFO到位！投过智谱MiniMax

路透援引知情人士消息称，DeepSeek计划聘请高瓴创投合伙人严文韬担任公司首任CFO。严文韬1991年生，曾投资字节跳动、小红书、极兔、MiniMax、智谱等项目。此前DeepSeek于2025年2月挂出CFO岗位但长期空缺，今年7月重启招聘并密集面试头部VC年轻合伙人。报道还提及DeepSeek已聘请中信证券筹备科创板IPO，最早今年年底递交申报材料，力

7名博士生3个月从零训练7B大模型并全流程开源

北京中关村学院7名博士生用一个暑假从零训练出7B大模型ZGCM-1，并开源模型权重、训练代码、数据配方、中间checkpoint和日志。团队组建数百个Agent分头处理数据、跑实验、看日志和做评测，实践「AI4AI」研发范式，并对11类任务的Agent自主性做了L1-L5评级。ZGCM-1在多项通用评测中与Qwen3-8B等相近，部分数学推理和搜索任务可与更

开源模型许可分化：智谱GLM-5.3定制许可引关注，多款新模型发布

2026年开源模型竞争加剧，西方厂商（谷歌、Meta）转向Apache 2.0许可，而中国前沿厂商（Kimi、MiniMax、智谱）采用更严格的定制许可。智谱GLM-5.3从MIT改为定制许可，要求收入超100亿美元的推理/微调服务商通过Z.AI安全审查，但“关联方”定义模糊引发采用障碍。本期还推荐了Motif-3、dots3-note-prev、Qwen3

菲尔兹奖得主团队用“桥”技术让4B模型刷爆ARC-AGI 3

Mostik公司（成立4个月，15人团队，含菲尔兹奖得主Stanislav Smirnov）开发了一种模型间通信的“桥”技术，让4B的Qwen-3.5与云端753B的GLM-5.2协作，在ARC-AGI 3上取得高分。该技术通过传递隐藏状态而非文本，使小模型弥补了50%的性能差距，准确率提升25%，并将大模型推理成本降至约二十分之一。团队计划探索蒸馏和专项化

ScienceDiscovery：树搜索驱动RSI，小时级自动写出通用积分器

openJiuwen社区的ScienceDiscovery平台通过树搜索驱动RSI，在不训练模型、不调参数的情况下，自动迭代科研代码，实现加速科学发现。在振荡积分、超几何函数求值、代码加速和符号回归等案例中，ScienceDiscovery在数小时内生成通用求解器，显著提升性能并降低成本。该平台提供可复用的底座，支持异步并发和多种搜索策略，旨在将验证成本低的

LMDeploy v0.17.0 发布：集成 DeepEPv2 并支持 Kimi K2.6

LMDeploy 发布 v0.17.0 版本，集成了 DeepEPv2，支持 Kimi K2.6 和 mooncake store，并优化了 GLM-5.2 服务性能。该版本还引入了服务端 fan-out、PDL 分页注意力、FP8 MoE 优化等改进，并修复了多个 bug。

NVIDIA 发布 GLM-5.2 NVFP4 量化模型

NVIDIA 发布了 GLM-5.2 的 NVFP4 量化版本，该模型基于 ZAI 的 GLM-5.2，采用 MoE 架构和稀疏注意力，支持长上下文。量化使用 NVIDIA Model Optimizer，支持 SGLang 和 vLLM 推理，专为 Blackwell 硬件优化。模型以 MIT 许可证发布，适用于商业和非商业用途。

FreeToken：消费级硬件上的动态 MoE 推理引擎

UC Berkeley 和 MIT 的研究人员发布了 FreeToken，这是一个开源推理引擎，旨在通过动态协同执行，在消费级硬件上运行前沿 MoE 模型。FreeToken 采用 q 策略动态分配 CPU 和 GPU 计算，并引入语义锚点检查点，显著提升解码和预填充速度。基准测试显示，FreeToken 在 RTX 4060 笔记本上运行 Qwen3.6-

NVIDIA Dynamo 影子引擎恢复：秒级恢复 LLM 推理容量

NVIDIA Dynamo 推出影子引擎恢复预览功能，通过 GPU 内存服务（GMS）在活动引擎旁保持一个完全初始化的空闲引擎，并共享权重，避免冷重启。在 GLM-5.2 双工作节点部署中，故障恢复时间从 283 秒降至 7.3 秒，提速约 39 倍。该功能解决了权重与进程绑定及初始化状态不可转移的问题，支持 vLLM、SGLang 和 TensorRT-L

Ornith AI 发布 397B 自改进模型 Ornith-1.5，性能对标 Claude Opus 4.8

Ornith AI 发布了 Ornith-1.5-397B，这是一个 397B 参数的混合专家模型，通过端到端自我改进训练，在 Terminal-Bench 2.1 上得分 86.1，在 DeepSWE 上得分 56.0，性能与 Claude Opus 4.8 相当，并优于 GLM-5.2 和 DeepSeek-V4-Flash-0731 等开源模型。该模型

匿名模型Ox Alpha身份成谜，社区通过技术指纹猜测智谱或谷歌

匿名模型Ox Alpha（昵称“牛来大模型”）在OpenRouter上线后引发身份猜测，社区通过Tokenizer、视频token消耗和API报错等证据，认为其与智谱的GLM系列高度相似，也有人怀疑是谷歌Gemini 3.5 Pro。该模型拥有104.86万token上下文，支持多模态输入，在代码和Agent任务上表现亮眼，但评测结果存在分歧。目前身份尚未揭

云大厂亏本转售友商AI模型，价格战重演2021年恶性竞争

中国云厂商为完成AI收入目标，以低于成本的价格转售智谱、DeepSeek、Kimi等第三方模型，折扣低至3折，引发价格战。此举虽能计入营收，但导致利润下滑和内部矛盾，类似2021年云计算市场的恶性竞争。然而，由于基础模型壁垒高，云厂商难以复制替代，模型公司首次获得与平台平等的话语权。

GLM-5.3登顶开源模型榜，但开源权重发布推迟

中国初创公司Z.ai的AI模型GLM-5.3在Artificial Analysis Intelligence Index上获得60分，与Kimi K3并列开源模型榜首，比上一代GLM-5.2高出7分。该模型在代理任务上表现突出，GDPval-AA v2基准Elo得分从1524跃升至1770，仅次于Claude Opus 5。GLM-5.3通过API提供，但

LMDeploy v0.16.0 发布：支持新模型并优化性能

LMDeploy 发布 v0.16.0 版本，新增对 InternS2 Mobius、GLM-5.2 等模型的支持，并引入 MoE gate v2、CP attention 修复、TurboMind ViT 支持以及 FP8 优化等特性。同时改进了服务端 API 拆分、缓存报告和性能优化，并修复了多个 bug。该版本还升级至 CUDA 13.0，并扩展了 C

Writer 发布新模型 Palmyra X6 并升级 harness 以降低 token 成本

Writer 公司于周四发布了新旗舰模型 Palmyra X6，该模型基于 Z.ai 的开源模型 GLM-5.2 进行后训练，旨在降低企业客户的部署成本。同时，Writer 升级了其智能体 harness 基础设施，预计可为客户在基本任务上节省高达 50% 的成本。CEO May Habib 表示，企业已厌倦追逐基准测试，希望成本下降，而 harness 优

EvoX Genesis：持久递归世界实现自主软件演化

EvoX Genesis 提出了一种以持久化软件项目为核心、而非持久化代理的软件工程组织方式，使本地代理保持有限生命周期。该系统利用 DeepSeek V4 Flash 在 120 小时内构建了约 25 万行代码的 Rust 编译器，成本仅 44 美元，并通过了完整测试套件；同时用 GLM 5.2 实现了 MESA 模块的 Rust 重写，获得 1.55-6