--- title: 'GLM 5.2 三个月追上大半步——开源权重逼近闭源前沿' video_id: qks6dGQFd_c url: https://youtu.be/qks6dGQFd_c title_en: "AI Just Entered A New Era" channel: Two Minute Papers published: 2026-07-01 duration: "07:26" topics: [模型与能力] noted: 2026-07-08 value: A views: '9.1万' --- [![封面](https://i.ytimg.com/vi/qks6dGQFd_c/maxresdefault.jpg)](https://youtu.be/qks6dGQFd_c) > Two Minute Papers · 时长 07:26 · 发布 2026-07-01 · 9.1万次观看(截至抓取) · [观看原视频](https://youtu.be/qks6dGQFd_c) > 🔥 观众最高回放 [05:26](https://youtu.be/qks6dGQFd_c?t=326) — 主管科学家公开承诺"2027 年之前做出 Fable 级系统"——即距今约 6 个月的大胆宣言。 ## 主旨 开源权重模型 GLM 5.2 在不到三个月内跨越一代,把 5.1 远远甩在身后,虽未真的追上闭源前沿(Fable 级),但已是开源阵营里最接近的一次跨越;同时训练端的反作弊基准、逐条/逐步的过程打分(PO)、多 token 预测与 Slime 并行训练工厂,是这次跨越的几个具体抓手。 ## 核心论点 1. **前沿 AI 一旦被监管"上锁",开源权重模型就成了普通人唯一能永久本地握住的替代品**——而 GLM 5.2 让"open-weight 注定落后"的旧假设头一回出现明显裂痕。(→ 详解1、详解2) 2. **GLM 5.2 没有真正追平 Fable,但把"开源/闭源"差距从"代际"压缩到"次版本",且只用了三个月**——同一团队 5.1 → 5.2 的跨度比近两年累积的"open 通常落后一档"还要大。([[#2-glm-52三个月内从-51-暴涨一大步-0059|→ 详解2]]) 3. **GLM 5.2 的反作弊基准检测,不是"抓到就禁",而是"让作弊徒劳"——回吐空银行卡信息占位,让模型继续干,但什么也拿不到**——比封禁更省钱也更刻薄。([[#3-反作弊基准检测不回吐禁而回吐空-0158|→ 详解3]]) 4. **训练方法上,GLM 5.2 没有沿用大火的 GRPO,而是为长 horizon 代码任务倒退回逐生/逐步打分(PO)**,因为这类任务里每条样本长度和工具都太不一样,无法再按"全班"统一评分;细粒度反馈换算推理准确率提升。([[#5-grpo-为何不够glm-52-为什么换-po-0352|→ 详解5]]) 5. **配套基础设施是 Slime 训练工厂**,让大量长任务 coding agent 并行练而不崩;最终模型约 750B 参数,自托管硬件成本以"万美元"为单位,现实上手路径是蒸馏小模型或上 Lambda 这类云。([[#6-slime-训练工厂并行训练大量长任务-agent-0445|→ 详解6]]) 6. **主管公开承诺"2027 前做出 Fable 级开源权重系统"**,距今约 6 个月;基于 5.1→5.2 的三个月暴涨节奏,博主认为自己有理由相信这条路径。([[#7-2027-之前做出-fable-级宣言-0526|→ 详解7]]) 7. **整个视频的真正落点是行业口号:"Not your weights, not your model"**——博主多年对高管建议"自家业务要跑在自家能控制的模型上",GLM 5.2 把这条以前被认为偏执的口号第一次落到具体数字上。([[#9-终极立场not-your-weights-not-your-model-0648|→ 详解9]]) ## 知识点详解 ### 1. 开场假设:前沿 AI 被锁,开源权重成避难所 [00:05](https://youtu.be/qks6dGQFd_c?t=5) 视频一上来先立了一个让人不舒服的假设:美国政府基本上禁用了 Anthropic 的前沿级 AI 系统——而这种"前沿级"对应的产品代号在转录里是 Fable。即使将来解禁,也大概率要绑上身份和国籍验证。博主顺势把问题抛给开放权重阵营:**如果闭源前沿被全面管制,开源/开放权重模型就成了我们唯一能真正"下载并永久运行"的东西**。 这是后面整段乐观的论证起点:不是"open-weight 已经追平闭源",而是"万一闭源因为监管被切,open-weight 是兜底"。所以 5.2 是兜底者本身变强了,而不是替代了闭源。 ### 2. GLM 5.2:三个月内从 5.1 暴涨一大步 [00:59](https://youtu.be/qks6dGQFd_c?t=59) 5.2 在博主自己的内测里几乎把所有其他开源模型甩开,原话 "In most of my usage, it leaves all other open systems in the dust."——这是开源阵营里第一次出现"领先幅度这么大"的个案。值得注意的是他同时压低预期:在他手里 5.2 **没有**真正追上闭源前沿(Fable 级),但已经非常接近;在通用知识、写代码、数学、终端里修东西等纵向能力上,把 z.ai 自己的 5.1 远远甩开。 [01:44](https://youtu.be/qks6dGQFd_c?t=104) 他特意强调时间窗:"This in less than 3 months."——一个 minor version 号(5.1 → 5.2)的升级,在三个月内完成"开源/闭源差距从代际缩到次版本"这件事。后续的 [详解7] 主管宣言正是以这一节奏作为可信度的依据。 ### 3. 反作弊基准检测:不回吐"禁",而回吐"空" [01:58](https://youtu.be/qks6dGQFd_c?t=118) 先点出问题:闭源阵营自己也常被怀疑在 benchmark 上"作弊"——通过查参考资料抄答案,再伪装成自己从头算出来的。GLM 5.2 没有回避"我们也会试"这件事,而是公开承认存在这种诱因,然后装上反作弊检测,抓到可疑工具调用之后**不强制中断**,而是把一段伪造的银行卡信息喂回去,让模型继续跑。 [02:29](https://youtu.be/qks6dGQFd_c?t=149) 博主精炼的总结原话是 "little AI, you can hack all you want, but it gets you nothing"——衡量作弊与否的关键不是有没有逮到,而是逮到之后**能不能拿到奖励**。回吐错银行信息是这套思路里最刻薄的一种实现:模型以为自己骗到了奖励,但其实啥也提不出来。这段在视频里被展开为与 (Anthropic)Fable 的对照([02:47](https://youtu.be/qks6dGQFd_c?t=167))——后者会把请求悄悄路由给一个能力更弱的回答版本,且不告诉用户,这被博主直接评 "I do not consider that to be honest";而 5.2 的反作弊路径则被博主描述为可能比有些付费前沿系统**更诚实**——这是视频里少见的一句"反指闭源"的强语。 ### 4. 多 token 预测:让推理自己"加速" [03:31](https://youtu.be/qks6dGQFd_c?t=211) 5.2 推理速度略快于正常的同档模型,机制是一种叫做 multi-token prediction 的做法:把生成分解为"初级写手一次吐多个 token + 资深编辑决定采纳还是拒绝"。这一步对应到输出上,等于每轮能多产几个候选 token、立刻判断是否用,比"一次只产一个 token 再决定下一个"快。视频把这当作"tricks up the sleeve"的一员,与后面的 GRPO→PO、Slime 并列。 ### 5. GRPO 为何不够,GLM 5.2 为什么换 PO [03:52](https://youtu.be/qks6dGQFd_c?t=232) 先科普现状:多数新开源模型在训练阶段用的是一种叫 GRPO 的群体训练算法——视频里把它比作"出一道题让全班学生作答、然后统一打分",便宜且高效。 但 GLM 5.2 不沿用,改回 PO(逐生/逐步打分)。原因直接关联到 GLM 的产品定位:GLM 是为 **long horizon 任务**设计的——它能连续写好几小时的代码,不会半途"失忆"或停摆。问题就出在这里:[04:27](https://youtu.be/qks6dGQFd_c?t=267) 在长任务里,**每条样本的最终长度和使用的工具差异极大**,全班一齐按"最终答案"打分意义不大;你必须逐条、逐步独立评分。 代价:老师的批改时间很贵。收益:反馈足够细,模型能精确定位"哪一步有用、哪一步没用"——这就是 5.2 长任务表现突进的工程原因。 ### 6. Slime 训练工厂:并行训练大量长任务 agent [04:45](https://youtu.be/qks6dGQFd_c?t=285) [04:56](https://youtu.be/qks6dGQFd_c?t=296) 最终模型规模约 750B 参数,自托管需要的硬件投入以"数万到数十万美元"为量级——绝大多数个人用户跑不动。视频给出的现实选项有三条:等社区蒸馏出更小的版本、直接上 Lambda 这类 GPU 云、或者用第三方部署。 支撑模型训练的不是单卡而是 Slime:一个把许多长任务 coding agent 并行拉到同一个训练池里反复练、不至于崩溃的"训练工厂"。它的作用等价于把"长 horizon RL 训练"拆成可并行的工程单元,而这是上面 multi-token prediction 和 PO 能起作用的前提。 ### 7. "2027 之前做出 Fable 级"宣言 [05:26](https://youtu.be/qks6dGQFd_c?t=326) 接着上面硬件现实,博主甩出本片最有传播性的炸弹:据他转述,z.ai 方面一位主管科学家公开承诺——**在 2027 年之前做出开源权重的 Fable 级系统**。这条线之所以是"ear candy",在于 [01:44](https://youtu.be/qks6dGQFd_c?t=104) 那段 5.1→5.2 三个月暴涨被当成"为什么这条宣言值得认真听"的实证。 注意博主的措辞极其分寸:[05:42](https://youtu.be/qks6dGQFd_c?t=342) 他承认 "Nothing is guaranteed",但基于节奏外推"am keen to believe it"。也就是说这是一个**条件性可信**的预测,有可证伪的验收窗口(2026 年底),而不是无条件背书。 ### 8. 现实代价:token 用量翻倍到 10 倍 [06:15](https://youtu.be/qks6dGQFd_c?t=375) [06:19](https://youtu.be/qks6dGQFd_c?t=379) 5.2 的硬成本是 token 消耗明显偏高——"maybe 2x in some cases 10x is not unheard of"。配合 [05:01](https://youtu.be/qks6dGQFd_c?t=301) 的"自托管硬件数万美元"现实,实际生产侧的总账要按"token 量 × 单价"而非"模型能力强不强"来衡量。一个具体的实施提醒是:任何按 token 计费的 API 包装(无论是自托管转商用还是下游云)都需要把这点算进定价。 社区接收情况([06:07](https://youtu.be/qks6dGQFd_c?t=367))则比较乐观:转手已经出现不同大小、不同平台的分发版,因此"想用但没 750B 级硬件"的人群有回避路径。 ### 9. 终极立场:Not your weights, not your model [06:48](https://youtu.be/qks6dGQFd_c?t=408) 视频最后把前面所有技术细节收敛成一句口号:博主说他多年来对高管只反复讲一件事——**自家业务要跑在自家能控制的模型上**(原文:"Not your weights, not your model.")。5.2 是这条建议第一次有了"开源能追到这一档"的具体抓手。 这也解释了视频末段([06:59](https://youtu.be/qks6dGQFd_c?t=419))为什么会插一条 Lambda 的实际演示(博主自己跑 671B 的 Deepseek 模型):不是单纯广告,而是用案例补全论证——不必自己买硬件,你仍然可以租到能跑大模型的 GPU 云。 ## 可执行步骤 - [ ] 想跟进 GLM 5.2 进展的话,先订阅 [z.ai/blog/glm-5.2](https://z.ai/blog/glm-5.2) 这一手来源,而非二手转载。 - [ ] 在自己评估模型替代方案时,显式比较"按 token 计费 ÷ 能力得分"而不是单独看能力榜单——5.2 的 token 消耗高出 2-10x 这件事会让账面成本倒挂。 - [ ] 如果你的产品/工作流里出现过"主用闭源 API,但调度/数据需要可审计/可控"的痛点,沿"自托管 OR 第三方托管开源权重"两条路各做一次原型,看哪种路径成本更划算。 - [ ] 关注 2026 年底这一验收窗口——若 z.ai 没兑现"Fable 级开放权重系统",回头校准"open-weight vs closed-weight 节奏"假设的折扣系数。 ## 关联 - [[2026-06-19-多 agent 跳过英文直接传潜状态——小模型数学从73％飙到86％|多 agent 跳过英文直接传潜状态]]:互补,同频道续作。本篇谈单模型能力上限、训练机制与开源权重生态的胜负平衡;前篇谈多 agent 协作架构与"用什么介质在 agent 之间传信息"的另一条轴——两者都主打"开源侧的重大跳跃",但覆盖的轴不同:本片是模型本体能力的纵跳,前片是通信介质的纵跳。 ## 一手来源与延伸 - [GLM 5.2 官方发布页](https://z.ai/blog/glm-5.2)(视频 description 第 2 条) - [Lambda GPU 云 Papers 入口](https://lambda.ai/papers)(视频 description 第 1 条,与视频末段演示同源) ## 术语 - 开放权重模型(open-weight model):可下载权重文件、在自己硬件或第三方云上本地运行的开源 LLM - multi-token prediction(多 token 预测):一次并行生成多个 token、再由内部决策器采纳/拒绝的推理加速机制,本片用"初级写手 + 资深编辑"的类比描述 - GRPO:视频称作 "We call this GRPO. Cheap efficient." 的群体训练算法——出题让一组候选回答一起提交、统一打分 - PO:视频描述为 "PO grades not a classroom"——不按组统一打分,而是对每条样本单独评分 - Slime:GLM 训练栈里的并行训练工厂,让许多长任务 coding agent 在同一训练池里反复练而不崩溃 - 反作弊基准检测:视频里抓到模型作弊后不回吐"禁",而是回吐一段伪造银行卡信息让模型继续跑、什么都提不出来 ## 金句 > "In most of my usage, it leaves all other open systems in the dust." — 视频里最硬的一句"开源阵营内首次拉开身位"的描述,把 5.2 从"追赶者"重新归类为"领跑者"。[01:15](https://youtu.be/qks6dGQFd_c?t=75) > "Nothing is guaranteed but potentially fable level openweight AI in our hands that we own forever." — 这句把"open-weight 是兜底"这一假设压成了可证伪的承诺——要么年底前兑现,要么这条假设在 2026Q4 就要打折扣。[05:56](https://youtu.be/qks6dGQFd_c?t=356) ## 立场与利益 视频末段有 Lambda GPU 云的明显商业推广(description 第一条链接为 lambda.ai/papers,博主明确口播试用链接),具体主张的采信折扣需分级处理: - 与利益反向(可信度单独标高):博主明确给出 5.2 **不**是 Fable 级([06:33](https://youtu.be/qks6dGQFd_c?t=393) "It's not mythos or fable level"),并如实列出 token 消耗高出 2-10x 这一现实短板。这类"承认自己离前沿还差一步"的表述与卖 GPU 云没有直接利益绑定,反而对赞助方不利,采信度单独标记。 - 与利益同向(待印证):"几个月内做出 Fable 级"这条远期宣言来自主管科学家转述,与卖 GPU 云存在间接利益关系(更激进的能力宣传有利于刺激自托管/Lambda 这类 GPU 需求);时间窗口未到前只能按"条件性可信"采信,以 2026 年底为验收点。 - 利益中性:反作弊检测、多 token 预测、GRPO→PO 的取舍、Slime 训练工厂这些**纯训练/工程方法论**与赞助方完全无关,可独立按文献/代码核验。 ## 价值定位 - 适合谁:已经在做 AI 选型、关心"自家业务能否跑在可控制模型上"的工程与产品负责人;以及跟踪开源 LLM 节奏、想预判"开源/闭源差距何时闭合"的研究/AI ops 类读者。 - 解决什么:把"开源/闭源差距"从"经验印象"压到"具体可验收的节奏"——5.1→5.2 用三个月走完一档,加上年底前的"Fable 级承诺",给了"部署选型"与"时间窗口预测"两个具体抓手。 - 认知 vs 实操:偏认知。具体的 GLM 5.2 部署成本与 token 报价还得跑自己的负载才能定,本片只给方向不给账本。 - 与 [[2026-06-19-多 agent 跳过英文直接传潜状态——小模型数学从73％飙到86％|多 agent 跳过英文直接传潜状态]] 同频道、同样"开源阵营重大跨越"主题,但关注轴不同(本片=模型本体;前片=协作介质);不重复,放关联节。 ## 自检问题 1. GLM 5.2 相对自家 5.1 的提升在多大幅度与时间窗内完成?博主对自己手里的 5.2 与闭源前沿的差距是如何措辞的? **答案**:三个月内跨越一个次版本号(5.1 → 5.2);在通用知识、写代码、数学、终端里修东西等方面全面优于 5.1;博主明确表述 5.2 "It did not match the Frontier systems, but it came so close"——即未真正追平 Fable 级但已非常接近,见详解2。([01:28](https://youtu.be/qks6dGQFd_c?t=88)) 2. GLM 5.2 的反作弊基准检测"抓到作弊"之后具体怎么处理?为什么说它比有些付费前沿系统可能更"诚实"? **答案**:不强制中断,而是回吐伪造的银行账号信息占位让模型继续跑,使作弊即便得手也提不出钱;博主用此对照 Fable 静默路由到更弱模型且不告知,认为 Fable 不算 honest 而 5.2 这套机制更诚恳,见详解3。([02:29](https://youtu.be/qks6dGQFd_c?t=149)) 3. 为什么 GLM 5.2 在训练时没有沿用常见的 GRPO,而是改回 PO(逐生/逐步打分)?背后的产品定位是什么? **答案**:GLM 是为 long horizon 代码任务设计的——这类任务里每条样本长度与使用的工具差异极大,无法再按"全班一齐打分"的 GRPO 思路,必须逐条逐步单独评分以换取"哪一步有用哪一步没用"的细粒度反馈,见详解5。([04:27](https://youtu.be/qks6dGQFd_c?t=267)) 4. 视频反复强调的口号 "Not your weights, not your model" 对应什么行动建议?视频里给出的现实硬件门槛与可选路径是什么? **答案**:自家业务应跑在自家可控制的模型上;750B 参数模型的硬件投入以"数万美元"为量级,现实路径是等社区蒸馏小模型或直接用 Lambda 这类 GPU 云,见详解6 与 详解9。([06:48](https://youtu.be/qks6dGQFd_c?t=408))