全部 · 2026-05-22

智谱这次放出的 GLM-5.1 高速版，核心卖点是把旗舰模型的能力和 400 tokens/s 的输出速度同时塞进了生产环境。过去高速模型通常是小模型，能力会打折，这次智谱声称打破了惯例。提速主要靠 TileRT 团队在推理引擎上做的系统级优化，思路是把计算图在编译期就静态编排好，让 GPU 常驻一个内核干活，省掉了反复启动、读写和同步的开销。 不过，正文只给了速度数字，没披露这个高速版在代码、推理等任务上的具体跑分，也没提价格。400 tokens/s 是稳定吞吐还是瞬时峰值，智谱说做了优化保证可用，但没给出高并发下的延迟分布数据。另外，目前只开放给部分企业客户，普通开发者还摸不到。 这条消息值得关注的点在于，它把推理优化的战场从模型压缩拉到了系统层。但实际值不值得上，还得等第三方测过能力衰减和成本之后再说。

这条消息的核心卖点是“一个词搞定可泛化的视觉推理”。ATLAS 的做法是在视觉语言模型里塞一个功能词，让模型能同时跑两条路：一条是显式地一步步调用工具去操作图像，另一条是在模型内部潜空间里直接算。这个思路有意思，相当于给模型装了个双模开关，能根据任务自己选走哪条路，或者两条路一起走。 但问题来了，正文被微信的环境异常验证页挡住了，我看到的只有标题和摘要。摘要里提到他们搞了个 ATLAS-178K 数据集，分两阶段训练，先做监督学习再用强化学习，还用了叫 LA-GRPO 的方法来训练稀疏的视觉操作词。这些名词听起来挺唬人，但具体怎么训的、在哪些任务上测的、比现有方法好多少，全看不到。摘要里连一个数字都没给，没法判断这个“可泛化”到底泛化到什么程度。 对从业者来说，这种双路径推理如果能落地，确实可能省掉一些反复调 prompt 或工具链的麻烦。但没看到实验数据之前，先别太激动。建议等论文放出来，重点看他们在跨任务、跨数据集的泛化测试上到底拿了多少分，以及推理延迟和计算开销涨了多少。

西湖大学这篇 CVPR 论文的思路挺直接：以前机器人视觉模型大多一帧帧看静态图，容易忽略“东西在怎么动”。HiF-VLA 改用 H.264 这类视频编码器直接提取运动向量，相当于让模型读的是画面的变化轨迹，而不是一张张照片。再配合一个联合专家模型，同时预测未来的视觉动态和该做的动作序列，目标是让机器人能“边想边做”。 论文给出的数字是显存峰值 31.4GB，延迟 117.7 毫秒，在设定的历史窗口下看起来能跑。但这里要打个折：正文因为环境验证问题没加真实机器人实验，所有结论都停在仿真和离线数据上。对做具身智能的人来说，仿真跑得再好，上了真机可能完全是另一回事。 还缺几个关键信息：运动向量压缩后到底丢了多少对抓取、避障有用的细节？31.4GB 的显存对边缘设备还是太重，有没有轻量化方案？另外，这套框架能不能兼容不同品牌的机械臂和摄像头，正文也没提。这些不补上，离“能用”还有距离。

这条新闻最值得看的是决策过程本身：一份已经排上签字仪式的行政令，被三位科技圈大佬在签字前夜到当天上午的几通电话直接打没了。特朗普事后对记者的解释也很直白——“我讨厌监管”，担心这会拖慢美国AI的领先速度。 报道来自Axios，引用了多位知情人士，但Meta和xAI都没回应置评请求。草案里还有一个争议点：财政部被赋予了协调安全漏洞的主导角色，而以往这是网络安全局和标准技术研究院的活儿。正文没解释为什么财政部要插一脚，也没说这个“自愿测试计划”到底覆盖哪些模型。 另外，白宫国家网络主任办公室私下透露还在制定其他AI安全举措，但具体是什么、什么时候出，正文完全没提。所以这份行政令告吹不等于美国AI监管就此停摆，只是“加速派”暂时占了上风。

这条新闻最反直觉的地方在于：美国松绑了，中国反而不要了。特朗普半年前批准英伟达向中国卖 H200 芯片，但北京至今没让任何一家公司下单，反而把企业往华为、寒武纪的国产芯片上推。这不是芯片性能的问题——文章提到国产芯片性能号称已追上 H200——而是良率跟不上，产量不足以喂饱整个市场。所以很多公司只能租用境外数据中心的英伟达芯片远程训练模型，速度慢、数据泄露风险高，但至少能用。 文章引用的数字能看出算力饥渴和现实之间的落差：中国公司今年在 AI 芯片和数据中心上的总支出预计 123 亿美元，而美国同行是约 1 万亿美元，差了近一个数量级。这既说明中国公司花钱更谨慎，也说明他们确实被卡着脖子。深度求索最新模型首次针对华为芯片做了优化，算是一个信号，但正文没披露具体性能对比和良率数据，所以“追上 H200”这个说法得打个折。 还缺什么？文章没讲清楚北京到底在等什么——是等国产良率爬坡，还是在用“不买”当谈判筹码。也没说英伟达这 583 亿美元季度利润里，中国市场缺席到底损失了多少。这些缺口让整件事看起来更像一场漫长的博弈，而不是简单的技术选择。

这条消息的核心不是“快”，而是“怎么变快的”。传统推理优化像给工厂每个工位提速，但工位之间交接班的时间没省。TileRT的做法是拆掉工位间的墙，让数据像流水一样不间断地流过所有计算步骤，GPU不再频繁启停。配合GLM-5.1模型本身只激活部分参数、一次预测多个token的设计，才跑出了这个速度。在单卡B200上，它的解码速度是vLLM的1.48倍，预热时间也从几分钟压到了35秒，这对需要频繁扩缩容的生产环境挺实用。 不过，正文没披露这个速度是在什么硬件、多大并发、多长上下文下测出来的，也没提延迟分布和价格。量子位的实测也说要更多条件验证。所以400这个数目前只能当个上限看，实际API调用时大概率会打折。另外，TileRT的核心编译引擎还没完全开源，外部很难复现或审计。 这件事更大的意义在于，AI API的竞争轴正在从“谁更聪明”转向“聪明且谁更快”。当几个模型都能完成同一个任务时，从发出指令到看到代码的时间就成了体验分水岭。智谱选“速度×质量”这条路，比继续跟DeepSeek拼价格要聪明，因为成本低到一定程度后，用户更烦的是转圈等待。但速度竞赛的终局不是比谁数字大，而是看谁能把低延迟稳定地交付给企业级工作流。

这篇文章提出了一个挺有意思的判断：软件界面不会消失，而是会变成“可塑的”——AI 根据你当下的场景，动态生成最适合的交互形式。比如开车时给你念邮件摘要，审文案时弹出网页应用，做预算时直接给个带图表的表格。作者引用了 Airbnb CEO 和 Anthropic 工程师的观点，认为纯文本对话不够用，电商需要更丰富的界面，工程师也开始用 HTML 替代 Markdown 做输出。 但文章本质上是一篇趋势评论，不是产品报告。它没披露 Salesforce 这套“无头”架构到底有多少客户在用、响应延迟多高、错误率如何，也没说动态生成界面在复杂业务场景下会不会失控。这些数字和验证的缺失，让“可塑界面”目前更像一个方向性判断，而不是马上能搬进产品的方案。 还缺什么：一是实际案例的规模数据，二是动态 UI 的可靠性和一致性怎么保证，三是企业怎么管理这些随时生成又可能消失的界面——总不能每个临时表格都变成新的技术债。

这条消息对想在 Mac 上跑大模型的开发者来说是个实打实的好消息。DeepSeek V4 Flash 本身性能很强，但之前主流引擎在 Mac 上都跑不了，等于空有屠龙刀没处用。antirez 的 DS4 引擎直接填了这个坑，一个 make 命令就能编译，还兼容 OpenAI、Anthropic 的 API，你手头的 Claude Code 或 Codex 可以直接接上去用。 它最值得关注的设计是解决了 agent 工作流里的上下文断裂问题。简单说，模型调用工具时，DS4 会记住它说的原话，等 agent 返回结果时把原话塞回去，这样模型就不用因为格式翻译的细微差异而重新理解整段对话。在 100K token 的长上下文里，这能省下几十秒的重新计算时间。另外，它把 KV cache 存到磁盘上，重启 server 后能直接加载，不用再从头处理那几万 token 的系统提示。 不过文章没给出具体的硬件门槛和价格，只提了 96GB 内存的 Mac 能跑。性能数据倒是给了：M4 Max 上生成速度稳定在 23-27 t/s，M3 Ultra 上能到 27-37 t/s，峰值功耗才 50W。这个速度日常 coding 够用，但别指望能飙到云端 GPU 的水平。另外，ds4-agent 还是 alpha 阶段，正文也说了质量不稳定，这点先别太激动。