Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2026
BY ANDREW MEAD

GLM 5 与 MiniMax 2.5

GLM 和 MiniMax 能跟上 Opus 吗?一家中国人力资源公司发布了最强小型大语言模型,OpenAI 则推出了每秒可生成 1,000 个 token 的模型

注:本文由 OpenAI gpt-6.1-sol 通过 Codex CLI 自动翻译;翻译质量可能有所欠缺,尤其是技术术语。

新品发布

GLM 5

中国 AI 实验室 Z.ai 为旗下广受欢迎的“平价”模型 GLM 发布了新版本。

新版本的规模是上一代的两倍多,参数量达到了 7,440 亿。 不过,它的速度应该与上一代相差不大,因为它采用了混合专家架构,激活参数量仅从 320 亿增加到了 400 亿。

基准测试

这款模型的编程能力有所提升,在真实编程任务中的表现介于 Claude Sonnet 4.5 和 Claude Opus 4.5 之间。 它也非常擅长前端设计,在 Design Arena 排行榜上位列第二,仅次于 Opus 4.6。

GLM 系列以往一直以专注编程而闻名,但 Z.ai 似乎也在提升它的通用能力:在 Artificial Analysis 的 Omniscience 基准测试中,GLM 5 的幻觉率位居第二低,仅逊于 Claude Haiku 4.5。

AA-Omniscience 幻觉率得分

这款模型的一个缺点是价格。 过去,Z.ai 的性价比一直非常出色:6 美元的编程订阅套餐就能提供与 Anthropic 100 美元订阅相同的使用额度。 随着这次发布,Z.ai 公开承认,他们目前的算力非常紧张,加上模型规模增大,将提高编程套餐的价格(具体价格尚未确定)。 此外,API 价格也上涨了约 50%。

我仍然推荐大家试试这款模型。 它可以非常方便地接入 Claude Code(或其他任何编程工具),是目前综合表现最好的中国模型,而且调用限额和价格都比任何西方竞品友好得多。 唯一的不足是,按中国模型的标准来看,它已经处于价格区间的高端。而且,正如接下来要谈到的,目前的竞争非常激烈。

MiniMax 2.5

MiniMax 推出 M2.5 模型的目标,是打造一款智能体能力强、运行速度快、成本又低的模型。 他们似乎做到了:M2.5 以每秒 100 个 token 的速度连续运行一小时,只需 1 美元。

这款模型基于上一代 MiniMax M2.1 构建,采用混合专家架构,总参数量为 2,300 亿,激活参数量为 100 亿(仅为 GLM 5 的四分之一)。

MiniMax 基准测试

尽管规模相对较小,它的能力似乎也介于 Sonnet 4.5 和 Opus 4.5 之间,不过根据我的观察,还是比 GLM 略逊一筹。 但它用价格弥补了这一点:成本只有 GLM 的约三分之一。

模型每百万输入 token 的价格(美元)每百万输出 token 的价格(美元)每秒 token 数
Claude Sonnet 4.5$3$1537
Claude Opus 4.6$5$2531
GPT 5.2$1.75$1446
Gemini 3 Pro Preview$2$1280
GLM 5$1$3.2021
MiniMax M2.5$0.30$1.2027
价格和速度数据来自 OpenRouter

它在长上下文理解方面似乎也有些吃力。 总体而言,我认为 GLM 的综合表现更好,而 MiniMax 则更小、更便宜、更快,也更有以小搏大的劲头。

快讯

GPT 5.3 Codex Spark

OpenAI 与 Cerebras 合作的首批成果已经出现:OpenAI 发布了 Codex Spark 模型。 Codex Spark 是 GPT 5.3 Codex 的小型版本,运行在 Cerebras 的晶圆级引擎上,因此能够达到每秒 1,000 个 token 的速度。

问题在于,这款模型实际表现并不好:由于需要多得多的工具调用,完成任务反而比大版本更慢。 此外,它仅向订阅了 OpenAI 每月 200 美元套餐的用户开放。

使用了多得多的工具调用

不过,看到这样的进展还是很酷的。我期待 OpenAI 把这款模型打磨好,让我们能以光速完成高质量编程。

Nanobeige

一家中国人力资源公司发布了一款名为 Nanbeige4.1 的模型,它可能是目前最强的 30 亿参数模型。

惊人的基准测试成绩,击败了 300 亿参数模型

这款模型在通用任务和智能体任务上都表现不错。 社区的实际试用反馈似乎也很好,这说明它并不是一款只会刷榜的模型。 他们还发布了技术报告。看起来,成功的秘诀就是大量高质量数据,再加上强化学习。

如果你对在边缘设备上运行模型感兴趣,我绝对建议上手试试,因为它似乎是目前 200 亿参数以下最好的模型。

Destructive Command Guard

如果你是一名氛围编程者(或者智能体工程师)——我猜读者中有不少都是——你可能会担心模型执行 git reset 或 rm -rf 命令,让项目里辛苦做出的所有进展付诸东流。

好在现在有一款开源工具,可以在模型尝试执行这些命令时将其识别并拦截,要求模型在运行破坏性命令之前先获得用户的明确许可。

终端中的 Destructive Command Guard 拦截 git checkout -- marketing_site/,说明该命令会丢弃未提交更改,并建议先用 git stash 保存。

Destructive Command Guard 的实际运行效果

结语

希望你喜欢本周的新闻。如果你想每周收到这些资讯,记得在下方订阅我们的邮件列表。

给鱼装上 GoPro,AI 生成视频,来自 Twitter 上的 Justin Moore

Stay Updated

Subscribe to get the latest AI news in your inbox every week!

← BACK TO NEWS