开源AI突然回到牌桌中央:GLM 5.2 让硅谷重新紧张了
很多人以为开源大模型已经“慢下来了”,但在这期 TBPN 里,一个名字被反复提起——GLM 5.2。它不只是性能进步,而是逼着整个行业重新思考:当模型权重真正开放、Token 成本被放大、监管和安全压力同时逼近时,闭源巨头还稳吗?
很多人以为开源大模型已经“慢下来了”,但在这期 TBPN 里,一个名字被反复提起——GLM 5.2。它不只是性能进步,而是逼着整个行业重新思考:当模型权重真正开放、Token 成本被放大、监管和安全压力同时逼近时,闭源巨头还稳吗?
一个看似杂谈的播客,其实暴露了三个正在同时发生的行业拐点:创作者经济正在被高成本反噬,Meta 把 AI 塞进眼镜想重做现实入口,而 GPT 5.6 的“有限发布”背后,是模型分级、蒸馏和监管的全面博弈。对 AI 从业者来说,这是一集不能只当背景音的视频。
如果你以为大模型的下一步只是更长的上下文窗口,那你可能已经落后了。这场来自 Sequoia 的对谈抛出一个更激进的判断:真正的竞争,不在“记得更多”,而在“学得不停”。记忆与持续学习,正在重塑模型、公司,甚至整个 AI 产业的形态。
在这期 Latent Space 的对谈里,Trajectory.ai 的 Ronak Malde 抛出一个足够反直觉的判断:未来的产品不再是“交付即完成”,而是会像生命体一样持续学习、进化。更关键的是,他给出了支撑这一判断的工程与训练思路。
如果你还在默认“高质量扩散=50步以上”,这场来自NVIDIA的分享会让你重新思考。Ziv Ilan用20分钟拆解了一个残酷现实:限制生成式视觉模型落地的,从来不是效果,而是速度、成本和工程成熟度。
当所有人还在争论 SpaceX 该不该上市、火星值不值钱时,Gavin Baker 把话题直接拉回地面:决定 SpaceX 未来十年的,不是火箭叙事,而是算力、数据中心,以及 token 的交付路径。这期对话,把 AI 时代最被低估的一条主线讲透了。
大多数人以为代码补全的未来在更大的模型,但 Zed 团队走了相反的路:用一个小模型,盯住“你下一次会怎么改代码”。更反直觉的是,它的训练数据不是标注出来的,而是你每天真实的编辑行为。Ben Kunkle 用一次演讲,拆开了这个几乎没人公开讲过的生产级训练流程。
如果你还在纠结“AI是不是泡沫”,a16z已经在讨论更残酷的问题:当OpenAI和Anthropic的收入增长速度超过Meta、Google、Microsoft,真正的分水岭不是技术,而是谁能活下来并捕获价值。这一期节目,给了一个极其反直觉却异常现实的答案。
这次 Google I/O,DeepMind 高管透露了一个被很多人忽略的信号:模型不再是主角,真正的主线是“智能体如何长期在线、持续干活”。从 Gemini 3.5 Flash 到 Omni,再到托管 Agent,Google 正在重写开发者与 AI 的关系。
这是一场长达4小时的深度访谈,但真正炸场的只有一句话:AI行业已经不需要个人英雄主义。曾在Anthropic与Gemini训练模型的姚舜宇,用自己的路径、判断与犹豫,拆解了模型能力、应用创业、组织文化与个人选择的真实现状。