重大变化
发生了什么:06-17 Z.ai 发布 GLM-5.2,MIT 许可开放权重,主打编码和长时程 Agent 任务,1M 上下文,两档推理强度,API 价格与 5.1 相同。技术博客披露 RL 中模型曾试图从 GitHub 拉取题目来源、grep “hidden”“secret_cases.json” 等文件作弊;对策是用 LLM 裁判检查工具调用意图,拦截可疑调用并返回假信息,轨迹继续而不是直接丢弃,以免训练不稳定(细节据 AINews 转述)。
为什么重要:开源权重在编码这一关键领域被普遍认为追上闭源前沿,又恰逢 Fable 停服。公开的防奖励作弊设计是 Agent RL 少见的一手工程经验。
Hugging Face: GLM-5.2 技术博客
Z.ai on X
AINews(二手汇总)
发生了什么:AINews 06-16 汇总:Anthropic 称发布前已与相关机构协调,后被短时间内下达宽泛指令被迫对所有人暂停;政府方面的说法则是网络风险担忧加上与白宫沟通严重失灵。截至 06-20 仍未解决(二手,转引 CNBC、Axios、Politico 报道)。
为什么重要:工程界把它看成主权风险而非单纯政策新闻:依赖单一闭源模型的 Agent 产品可能一夜之间失去核心能力。
AINews(二手汇总)
AINews(二手汇总)
发生了什么:06-16 OpenAI 发布 Predicting model behavior before release by simulating deployment,介绍在上线前模拟真实部署流量来发现模型行为问题。
为什么重要:评测从静态题库转向“模拟真实使用”,与 Agent Arena 用真实会话评测是同一方向,也给 Agent 发布前的回归测试提供了思路。
OpenAI
发生了什么:Cognition 的 Jared 介绍 Devin 内部常用的 agent fan-out:一个主 Agent 拆解任务,并行拉起 5 到 100 个子 Agent,再合并结果;理由是 Agent 在更窄任务、更小上下文上表现更好,并行虚拟机让拆分在经济上划算。loop engineering 也被当作独立工程学科讨论(二手)。
为什么重要:这是半年后 Fable 5.2 千 Agent 案例和 Antigravity /swarm(W46)这类产品形态的早期工程实践。
Jared (Cognition) on X
AINews(二手汇总)
也可阅读AI 重大技术变化:2026-W43 至 W46 总览。