搜索
GLM-5.2 正式发布，震撼全网，主打长程任务能力，配合 1M token 上下文窗口，且完全开源（MIT 协议）。在相近的 token 消耗下，GLM-5.2 的能力大致介于 Opus 4.7 和 Opus 4.8 之间，参数仅为753B。
他们对触乐说，变化发生在今年春节后。数字天空《烽沙》项目组目前有25人。今年1月，他们一共调用了2亿Token，到了2月，调用的Token数变成了149亿，“暴涨70倍”。“AI已经完全成为我们日常开发流程的一部分，虽然核心设计方向仍然需要把关，但已经很难再回到纯手工模式，”《烽沙》制作人Niko半开玩笑地告诉我：“如果今天用不了AI，我们都不会编程了，手动敲（代码）太慢了。”
AI公司还在拼模型，另一门更底层的生意正在变大。
导读：视觉 latent reasoning 希望让多模态模型在内部生成连续 latent token，用这些中间表示补充多模态理解和推理任务中缺失的视觉证据。但问题在于，模型生成出来的 latent token 可能并不落在它原本熟悉的视觉输入空间里；如果模型无法稳定读取这些 token，它们就很难成为有效的中间视觉证据。
新智元近日对话了清华大学教授沈阳。作为长期关注 AI 应用、智能体与产业实践的学者，同时也是 ZeeLin（智灵动力）首席科学家，他个人每天的Token消耗量近10亿，本次对话围绕「自进化AI的自我递归进化」这一主线展开，讨论 AI 自进化与科研、叙事、商业与AGI相关的十个话题。
昨天晚上，微软 CEO 萨蒂亚·纳德拉（Satya Nadella）在 𝕏 上发布了一篇长推文《A frontier without an ecosystem is not stable》，即「没有生态系统的前沿是不稳定的」。
随着AI Coding、Agent、Deep Research 等应用快速普及，模型单次处理的上下文长度正在从几万Token迈向几十万甚至百万Token。
今天，月之暗面发布并开源Kimi K2.7 Code编程模型，参数量达1.1万亿，提供256K上下文窗口。这一模型重点提升了长上下文编程场景的指令遵循能力、长程编程任务的性能表现，并且大幅改善了在长程任务中的过度思考倾向，平均token消耗减少30%。
就在刚刚，谷歌闷头干了件大事：把生成图片的扩散模型，拿来写文字了，而且一出手就是4倍加速。 新模型名为DiffusionGemma，它直接抛弃了传统自回归那套“逐Token生成”的打字机模式，而是像“印刷机”一样工作——
某天，老板让你用 Agent 手搓个自动化流程的小工具，你袖子一撸，信心满满地开干。