神秘「牛來」模型果然是智譜!GLM首個原生多模態,還用的國產卡

網路上流傳已久、被開發者社群暱稱為「牛來」的神秘模型,如今終於正式揭曉身分。這款引發諸多猜測的模型,正是來自智譜AI的GLM-5.3 Flash,也是GLM-5系列中第一款原生多模態模型。不同於市面上常見的「視覺+語言」拼接方案,GLM-5.3 Flash從架構底層就將視覺與文字的處理能力整合在一起,意味著模型在理解圖像與文本時,並非透過兩個獨立模組的後製融合,而是從一開始就以統一的表徵方式進行學習與推理。這樣的設計讓模型在面對需要同時調用視覺理解與語言生成的複雜任務時,能夠展現出更為連貫且精準的表現。更令外界矚目的是,GLM-5.3 Flash的訓練與推論過程採用了國產晶片。
在當前全球AI算力供應鏈仍高度集中的背景下,一款頂級開源多模態模型能夠完全依賴國產硬體完成從訓練到部署的整個流程,確實相當罕見。這不僅是智譜AI在技術路線上的大膽嘗試,更讓許多人對中國國產AI算力生態的成熟度有了全新的評估。過去,國產晶片往往被認為在軟體生態、開發工具鏈或大規模分散式訓練的穩定性上仍有不足,但GLM-5.3 Flash的出現,似乎正在打破這些刻板印象,也為未來更多國產模型擺脫外部算力依賴提供了具體的實踐案例。在實際能力展示上,GLM-5.3 Flash也交出了令人驚豔的成績單。其中最受矚目的示範,是模型能夠直接生成一個關於SpaceX猛禽發動機的3D互動網頁。
這項任務的難度在於,模型必須同時理解火箭發動機的物理結構、掌握程式碼生成邏輯,並且具備三維空間的建構與佈局能力。過去,這類任務往往被視為多模態模型的「試金石」,因為它要求模型不能只是被動地描述圖片內容,而是要主動地將視覺理解轉化為可運作的實體產出。GLM-5.3 Flash的表現顯示,它已經跨越了單純「看圖說故事」的階段,進入到更複雜、更具實用價值的生成場景。與前代版本相比,這次生成的3D互動效果在細節與流暢度上都有明顯的提升,顯示模型在空間推理與程式碼生成之間的協調能力有了長足進步。這樣的技術突破,也迅速反映在市場接受度上。GLM-5.
3 Flash上線首日,便一舉衝上OpenRouter平台的使用量榜首,同時刷新了該平台單日tokens消耗量的歷史紀錄。OpenRouter作為全球開發者與企業用戶接取各類大型語言模型的重要管道,其使用量數據往往能即時反映一個模型在真實應用場景中的受歡迎程度。能在上線第一天就創下如此成績,說明了開發者社群對這個新模型的高度期待與認可,也反映出開源社群對於「原生多模態+國產晶片」這個組合的濃厚興趣。對許多開發者而言,GLM-5.3 Flash不僅是一個效能強勁的工具,更代表著一種新的可能性:在完全自主可控的算力基礎上,打造出世界級水準的開源模型。從產業角度來看,GLM-5.
3 Flash的發布具有多重意義。首先,它確立了智譜AI在原生多模態技術路線上的領先地位。過去,許多號稱多模態的模型,實際上是將一個獨立的視覺編碼器與一個語言模型進行組合,這種做法雖然能快速實現多模態能力,但在處理需要深度跨模態理解的任務時,往往會出現資訊遺失或推理不一致的問題。GLM-5.3 Flash從架構層面的整合,從根本上解決了這些潛在缺陷,讓模型在理解圖像中的細節、空間關係以及與文字指令的對應時,能夠更加游刃有餘。其次,國產晶片的採用,也為整個AI產業鏈釋放出強烈的信號。
長期以來,高階AI模型的訓練高度依賴少數幾家國際晶片大廠的產品,這不僅帶來了成本與供應上的風險,也限制了許多新創團隊與研究機構的創新空間。GLM-5.3 Flash的成功,證明了國產晶片已經具備支撐頂級模型開發的能力,這對於建立一個更加多元、更具韌性的全球AI算力生態,具有深遠的影響。未來,我們或許會看到更多模型開發者開始將國產晶片納入考量,進而推動整個國產AI供應鏈的良性循環。回到模型本身,GLM-5.3 Flash的出現,也為開源模型的應用場景打開了新的想像。從生成複雜的3D互動內容,到處理需要視覺與語言深度協作的任務,這個模型展現出的能力已經超越了傳統的聊天機器人或圖像辨識工具範疇。
對於開發者而言,這意味著他們可以利用GLM-5.3 Flash來建構更為創新的應用,例如自動化設計輔助工具、智慧教育互動平台,甚至是結合實體世界資訊的虛擬助理。而這些應用的實現,都將建立在模型對視覺與語言訊息的深刻理解之上。當然,GLM-5.3 Flash的發布只是一個開始。作為GLM-5系列的首款原生多模態模型,它所建立的技術框架與實踐經驗,勢必會為後續更大規模、更高效能的模型奠定基礎。智譜AI選擇在這個時間點推出這樣一款兼具技術前瞻性與產業象徵意義的產品,無疑是經過深思熟慮的布局。對於關注AI發展的人來說,GLM-5.
3 Flash不僅是一個值得測試與應用的新工具,更是一個觀察國產AI技術如何在全球舞台上爭取話語權的重要指標。總體而言,GLM-5.3 Flash的亮相,為開源多模態模型樹立了一個新的標竿。它用實際行動證明,原生多模態架構與國產晶片的結合,不僅可行,而且能夠達到世界級的水準。隨著這個模型在OpenRouter等平台上持續被廣泛使用,我們將有機會看到更多來自開發者社群的實測回饋與創新應用,進一步驗證這條技術路線的長期價值。而對於那些一直在觀望國產AI算力發展的人來說,GLM-5.3 Flash的出現,或許正是他們等待已久的那個答案。
Related
相關文章
Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3
Mistral AI has released Timestral, its first family of time series foundation models. Timestral is a set of 4 zero-shot forecasting models from Mistral AI, sized from 5M to 209M parameters.
Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。
2026年20款Jev替代方案:挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。