Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2025
BY ANDREW MEAD

开源天堂

Anthropic 超越 OpenAI,以及今年最令人兴奋的开源发布

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。

新闻

Anthropic 的 API 收入超越 OpenAI

Menlo Ventures 的一份最新报告显示,Anthropic 最近在大语言模型 API 收入方面超过了 OpenAI,拿下超过 30% 的市场份额,而 OpenAI 的份额为 25%。在编程领域,Anthropic 的领先优势更为明显,占据了 42% 的市场。这一成绩的背后,是过去一年 Cursor 和 Claude Code 使用量的爆发式增长,Anthropic 也由此成为实际智能体应用中事实上的标准选择。

企业 AI 市场份额变化

此外,报告还显示,只有 11% 的企业在高使用量场景中采用开源模型,而大约 50% 的企业完全不用开源模型,甚至连实验或小任务都不用。这是因为,与为闭源模型优化系统提示词相比,自行运行或微调模型的成本很高,尤其是在顶尖模型每周都在变化的情况下。我预计,如果 AI 的进步开始停滞,这个比例未来会有所上升;如果有人实现了 AGI,那它可能就会降到 0。

目前的开源模型采用率

新品发布

Z.ai 登顶

过去几周我一直在大力推荐 Z.ai,而他们也确实没有让人失望。本周,他们发布了 GLM 4.5 系列模型。就我目前看到的表现而言,这是市面上最好的开源智能体模型。

他们发布了两个版本:4.5 和 4.5 Air。两者都是混合专家(MoE)模型,其中 4.5 的总参数量为 3550 亿,激活参数量为 320 亿;Air 的总参数量为 1060 亿,激活参数量为 120 亿。这意味着,要让 4.5 以实用的速度运行,就需要一套像样的多 GPU 配置(H100 或更好的 GPU);而 Air 模型则有望借助 Ktransformers 之类的工具,通过 CPU + GPU 的组合在家运行。

但你为什么要用这些模型呢?很简单,因为它们真的太强了。

Z.ai 模型在智能体基准测试中名列前茅

GLM 4.5 与 Claude 4 系列和 OpenAI o 系列打得有来有回

公开基准测试是一回事,但它们在实际使用中经得起考验吗?当然经得起。

GLM 4.5 在实际编程中媲美 Sonnet

在人工评估中,GLM 4.5 的智能体编程能力与 Sonnet 相当,这是我见过的第一个做到这一点的模型

不过,你也不必光听别人怎么说。我已经在 Claude Code 中改用 GLM 4.5,除了成本降到了原来的五分之一,实际使用中我没有察觉到什么区别。Reddit 上的用户也有同感。有用户把 Air 模型与上周刚发布的 Qwen3 235B 模型相提并论,而前者的规模只有后者的一半;还有一些用户也赞同我的看法,认为大版本在智能体和编程任务上的表现堪比 Sonnet/Opus。

我打算把 Air 模型作为日常使用的本地模型,大概会让它接手我平时交给 o3 的那些任务。在可预见的未来,我的编程工作流应该也会继续使用大版本的 4.5 模型。

如果你还没看出来,这些模型已经大幅甩开了此前最强的 Kimi K2 和 Qwen3,而且体积更小、速度更快。

现在你就可以在 z.ai 上免费试用这两个模型。

Wan 2.2

Alibaba 在此前最先进的开源视频模型 Wan 2.1 的基础上进一步改进,发布了 Wan 2.2 系列模型。这次发布了两种模型:一种是拥有 50 亿参数的“标准版”模型,同时支持文生视频和图生视频;另外还有两款总参数量为 280 亿、激活参数量为 140 亿的 MoE 模型,一款用于文生视频,另一款用于图生视频。

这些 MoE 模型很有意思,因为它们有两个专家:一个负责生成过程早期的高噪声去噪,另一个负责后续步骤中的低噪声去噪。我觉得它最后可能会和 SDXL refiner 差不多:社区会找到办法去掉这个额外环节,把模型统一起来,用更少的步骤和参数实现同样的效果。

就我目前看到的情况而言,这些模型效果不错。与 Veo3 这样的闭源模型相比,它们肯定还算不上最先进,但相较于此前最好的 Wan 2.1,质量依然有了非常大的提升。

日落时分,一辆粉色跑车沿着海滩飞驰,车身侧面写着“REPLICATE”,它在沙地上漂移 - 来自 Twitter 上的 fofr

Qwen3-30B-3A 更新

Qwen 上周发布了 3 款模型,看来他们很享受由此带来的关注,因为这周他们又来了一遍,一口气发布了 30B3A MoE Qwen3 模型的 3 个新版本。

前两个是常规的推理版和非推理版,两者的表现都与 Gemini 2.5 Flash 相当。

Qwen3 30B3A 非思考模型基准测试

非思考模型基准测试

这一系列发布的第三款模型是智能体编程模型。虽然与 GLM 4.5 和 Sonnet 相比,它的表现没有那么惊艳,但它有一个独特之处:这是第一个真正具备智能体编程能力的“小型”开源模型,而这项任务长期以来一直是开源模型难以攻克的难关。

Qwen3 30B3A 编程模型基准测试

编程模型基准测试

这些模型很有意思,也让人兴奋,因为它们能在没有 GPU 的电脑上以较高速度运行(每秒超过 40 个 token),让更多人无需花大价钱就能用上这些模型。

BFL 的新开源模型

Black Forest Labs 与 Krea 合作推出了一款新的开源图像生成模型,名为 Flux Krea dev。该模型着重消除许多图像生成器共有的“AI 味”,同时支持类似 Midjourney 的独特美学风格。他们也很注重出色的真实感和图像质量。该模型采用与初代 Flux dev 相同的架构,因此开箱即兼容所有图像生成框架。

Flux schnell 与 krea 对比

Flux schnell 与 flux krea 对比 - 来自 reddit 上的 fruesome

快讯

这里是我本周发现的一些实用工具或话题,可能与 AI 有关,也可能无关,只是我没时间为它们各写一节。

Cerebras Code

Cerebras 正在推出自家的模型托管服务,与 Claude Code 展开竞争。每月 50 美元就能使用 Qwen3 coder 模型,而且速度还快了 20 倍。遗憾的是,Qwen3 coder 似乎并不是一个特别出色的智能体编程模型,尤其是与刚发布的 GLM 4.5 相比。不过,如果 Cerebras 开始提供 GLM 4.5,我会立刻订阅,因为它的文本生成速度几乎是瞬间完成的。

Gemini Deep Think

Google 发布了 Gemini 2.5 Pro 的升级版,名为 Gemini 2.5 DeepThink。它基于最近在国际数学奥林匹克竞赛中获得金牌的模型。通过让 Gemini 思考更长时间,并且并行思考,他们增加了推理时的计算量,让模型能够探索大量可能的选择,再从中选出最佳方案。

它在公开和非公开评估中的成绩都非常出色,甚至击败了 XAi 那个过拟合的 Grok 4 模型。如果你想使用它,可以订阅 Google 的 AI-Ultra 档位。他们还表示,未来几周内应该会通过 Gemini API 提供该模型。

ChatGPT 学习模式

OpenAI 发布了一种用于学习新知识的学习模式。

用户很快就发现,它底层其实只是一个提示词,这下 OpenAI 也成了 ChatGPT 套壳应用。你也可以只靠复制它的系统提示词,在家复刻学习模式(或者在任何其他大语言模型上使用它)。

Trackio

Weights and Biases 是使用最广泛的机器学习实验跟踪库,但它满是 bug,一团糟,而研究人员一直没有什么好用的替代品。直到现在。我们的救星 Huggingface 发布了一个名为 Trackio 的库,它是 Weights and Biases 的开源本地版本,可以用来跟踪实验。它的目标是直接替换原有工具,所以你应该完全不需要修改现有的日志记录代码。

只需在代码中改用 import trackio as wandb,你的项目就能永远摆脱 W&B 这个地狱。

VibeKit Auth

如果用户能在你的应用里使用自己的 ChatGPT 或 Claude Pro 订阅,岂不是很棒?现在,借助一个名为 VibeKit 的新库,你就能做到。

探索 Claude 的分词器

Claude 的分词器很古怪,Twitter 上的 Sasuke_420 详细剖析了它到底有多古怪。

MoE 微调库

混合专家模型出了名地难以微调,因此 Character AI 团队发布了一个经过实战检验、用纯 PyTorch 编写的训练器,帮助社区更轻松地微调这些模型。

用 ChatGPT agent 寻找优惠码

回头再谢我吧。想谢我的话,订阅这份新闻通讯就行(链接在下方)。

收尾

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

2022 年长颈鹿排球锦标赛 - 来自 twitter 上的 remi

Stay Updated

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

← BACK TO NEWS