AIDC
DC AI 热点

精选

当前热点完整榜单 →
1英伟达推出新软硬件安全平台,旨在约束失控AI智能体109 热度 ⌁2AI智能体开发商Instinct完成10亿美元C轮融资,估值达100亿美元95 热度 ⌁3Anthropic 发布 Claude Sonnet 5.5:成本降 30% 且性能逼近 Opus 5.595 热度 ⌁4Meta推出企业级AI平台并聘请MongoDB前CEO掌舵90 热度 ⌁5Akamai 与 Anthropic 签署 116 亿美元算力采购协议80 热度 ⌁
全部语言仅中文1 条动态
来源筛选
全部来源AITNT · AI头条(网页)Buzzing HN · 中文精选C114 通信网 · AI与算力(网页)DeepSeek 公众号IDC 圈·云与算力(网页)IT168 服务器存储 · AI与算力(网页)IT之家 · AI 筛选InfoQ · 架构与云计算Solidot · AI 筛选少数派 · AI 筛选智谱 公众号月之暗面 Kimi 公众号爱范儿 · AI 筛选腾讯混元 公众号通义实验室 公众号量子位阮一峰 · AI 筛选阶跃 StepFun 公众号AI Roundup · X AI coding圈日报AWS ArchitectureAWS HPCAWS News · 云基础设施AWS 机器学习Anthropic News(RSS)Apple Machine Learning ResearchArs Technica · AI 筛选Azure Blog · 云基础设施CNCF BlogCerebras 官方博客(网页)Claude Code 更新Claude 官方博客(网页)Cloudflare Blog · 网络基础设施Data Center DynamicsData Center KnowledgeEngineering at MetaEquinix Blog · 互联基础设施Gary MarcusGitHub Blog · AI 与安全Google AIGoogle DeepMindGoogle Developers · AI 筛选Google InfrastructureGoogle ResearchHacker News · AIHugging FaceKubernetes BlogLangChain 官方博客(网页)Last Week in AILlamaIndex 官方博客(网页)MIT News · AIMIT Technology Review AIMicrosoft ResearchNVIDIA Developer BlogNVIDIA · AI 筛选Ollama 更新OpenAI 官方动态OpenStack BlogSebastian RaschkaSemiAnalysis · 算力产业ServeTheHomeSimon WillisonTechCrunch AIThe Batch · DeepLearning.AIThe DecoderThe Next PlatformThe Verge · AI 筛选Transformers 更新Transluce 研究(网页)Vertiv 官方新闻arXiv 人工智能arXiv 机器学习arXiv 自然语言处理vLLM 官方博客(网页)vLLM 更新施耐德电气博客
6月17日2026-06-17
智谱 公众号✦ 精选规则精选09:11

GLM-5.2上线并开源:专注Coding与长程任务

智谱 2026-06-17 09:11 北京 今天,我们上线并开源GLM-5.2。 在全球百万用户参与盲测的前端开发评估系统Code Arena上, GLM-5.2取得全球可用模型第一的表现 。 从2025初开始,我们几乎投入全部力量攻关Coding,历时大半年,细扣每一个代码环境的优化,终于迎来代码基座GLM-4.5,年底的GLM-4.7已经成为效果最好的国产Coding模型。 但代码还不是AGI,在通往AGI的路上,还有更多的高山需要翻越,迎面而来的就是长程任务。当下最需要模型突破的是完成一个极长的,跨越数天、数周乃至数月的任务执行。当一个模型不知疲倦地在写软件工程代码,本质上是在学习一名顶级软件工程师的思维方式,然后以机器的耐力将其放大。这是对一个又一个职业的重新定义。 今天GLM-5.2 专为长程任务能力而生 ,全新特色包括: Solid 1M上下文 , 稳定支撑长程任务 更强体感 , 更实用的Coding能力 极致Infra优化 , Day 0运行在国产算力平台 MIT开源协议 , 无地域限制,技术平权无国界 1M上下文与长程任务 支撑长程任务的第一步是 GLM-5.2必须实现 1M无损上下文 。此前 1M 上下文 大多数 在超过数百K过后就开始劣化,主要问题在于不同时 增强Coding Agent环境及数据的情况下 单纯扩展到1M帮助有限。为此,我们花了几个月时间扩展1M Coding Agent的训练环境,覆盖自动化研究、性能优化等多个领域,使得 GLM-5.2在1