搜索
Databricks的联合创始人兼CEO Ali Ghodsi最近整了一个大活。公司有1.1万名员工，AI相关的开销越来越高，到底该用哪个模型搭配哪种执行框架，才能在省钱的同时保住效果？自己动手做了一次大规模测试。这次测试基于Databricks真实的业务代码，覆盖3家主流云厂商，由3000多名工程师的实际工作产出支撑，涉及多种编程语言和任务类型。
浪潮信息宣布，元脑SD200超节点AI服务器率先完成主流领先开源大模型Kimi K2.6、DeepSeek V4、GLM 5.2、MiniMax M3等的高性能优化，并在Kimi K2.6万亿参数大模型上实现Token生成时间快达4.77ms，为Agent场景应用的高效运行提供强大算力支撑。
GLM 5.2，用AMD芯片也能跑出来了，而且成本只要英伟达的一半。这是推理优化公司Wafer这周公布的一组数据。Wafer用AMD的MI355X芯片跑最新开源模型GLM 5.2，单节点吞吐做到2626 tok/s，单流吞吐也跑到了213 tok/s。
上个月 GLM 5.2 发布的时候，我写过一篇文章，说智谱家出了个叫 ZCode 的编程工具，专门给 GLM 5.2 做开发环境。当时就是简单上手体验了一下，觉得还行，是个正经的 AI 编程产品。
最近，Kimi 2.7 Code 和 GLM 5.2 接连发布，一周双发，国产模型又崛起了。
这是葬AI起号以来工作量最大的一篇文章。为了严肃评测国产模型的能力，我自研了一个Benchmark，完整测试了智谱、Qwen、Kimi、Minimax、Deepseek这些最新国产模型，还引入了境外势力Claude作对照组。