- 发布日期:2026-11-18 05:49 点击次数:125
8月14日,智谱(2513.HK)发布GLM-5.3,与GLM-5.2比较,基座模子没变开云体育(中国)官方网站,但通过极致的后教师Scaling大大提高了模子的智能上界:数十倍的长程任务环境、更丰富各样的环境类型、超长的后教师时期。智谱默示,在多项主流基准测试中GLM-5.3是面前名次最高的开源模子,编程与智能体智力接近Claude Fable 5,编程体感率先其他国产模子。
智谱称,比较前代,GLM-5.3的新智力包括:更强的编程智力、相聚安全智力、后教师Scaling以及开源。
字据智谱先容,在算计模子于信得过结尾环境中完成复杂任务的Terminal-Bench 3.0上,GLM-5.3得分从4.6提高至28.3;在聚焦长程软件工程与握续代码修改智力的DeepSWE v1.1上,得分从46.2提高至66.9;在粉饰多类信得过专考场景、强调跨用具和谐与长程任务的Agents‘ Last Exam上,得分从23.8提高至28.5。在粉饰44种管事、查验信得过高价值学问职责的GDPval-AA v2中得分1769,展现基于编程智力透露的专科任务试验智力。
在白盒代码审查与转折发现等安全任务中,GLM-5.3的证明握平Mythos 5。“从任务链条看,相聚安全智力约莫包括代码审查、转折考证、转折摆布以及信得过环境中的攻防闭环。咱们考中了粉饰转折分析、考证和摆布不同阶段的三个基准,对GLM-5.3的相聚安全智力进行了全面评估,GLM-5.3面前上风主要荟萃在前半段。”智谱默示,在CyberGym测试中,模子从白盒源代码开拔,通过触发法子故障来识别和考证转折。GLM-5.3得分为84.5%,高于GLM-5.2的77.2%,也略高于Mythos 5的83.8%和GPT-5.6 Sol的83.6%。
近期,大模子限制时常上新。
8月13日凌晨,DeepSeek V4 Pro负责推出,并已更新至API,模子版块为DeepSeek-V4-Pro-0813,新版块增强了Agent智力。字据DeepSeek给出的款式测试对比收货,与此前V4-Pro-Preview版块比较,V4-Pro-0813一经全面提高,举例在AI编程智能体基准测试DeepSWE中,得分从Preview的7.3,大幅提高至62.7,以至卓越了Claude Opus 4.8。在AI安全智能体基准测试Cybergym、智能体基准测试AutomationBench中以至卓越当今公认最巨大的Claude Fable 5。
随后,DeepSeek首款智能体也怒放测试,13日晚间,DeepSeek告示,DeepSeek Harness的斥地者预览版(v0.1 版块)面向各人 Harness斥地者怒放测试,并同步以 MIT 公约怒放源代码。DeepSeek Harness 聘请“一切齐插件”的缠绵想路。咱们接受插件式怒放架构来构建 Agent Harness:模子、用具、手段、会话、沙箱、存储、轮回、调整、UI 等扫数 Agent 智力均由插件组合而成,可目田替换、纯真重组。
与此同期,SpaceXAI发布Grok 4.6。SpaceXAI默示,新模子是在Grok 4.5基础上进一步升级,重心提高长历程任务中的证明,以及搞定更复杂的交互式、视觉和学问职责任务的智力。
截止发稿时,智谱跌超4%。
滂沱新闻
海量资讯、精确解读,尽在新浪财经APP
连累裁剪:郝欣煜 开云体育(中国)官方网站
- 开yun体育网通过极致后老练Scaling-开云体育平台官方网站 - 开云体育(中国)2026-11-18
- 开云体育Wear OS试图融合智能穿着-开云体育平台官方网站 - 开云体育(中国)2026-11-18
- 开云体育广发证券共存在对外投资234项-开云体育平台官方网站 - 开云体育(中国)2026-11-17
- 世界杯体育字据天眼查APP泄露-开云体育平台官方网站 - 开云体育(中国)2026-11-17
- 世界杯体育法定代表东说念主王相宁-开云体育平台官方网站 - 开云体育(中国)2026-11-17
- 体育游戏app平台未标注援用、未列参考文件-开云体育平台官方网站 - 开云体育(中国)2026-11-14
