GLM 5.2 爆火背后:本地模型第一次真的逼近 ChatGPT 体验
一夜之间,GLM 5.2 被称为“本地 AI 的 ChatGPT 时刻”。但真正重要的不是跑分,而是它第一次让本地/开源模型进入了「能直接进工作流」的阶段。这期视频,用 20 分钟把设置方法、真实体验和行业拐点讲清楚了。
一夜之间,GLM 5.2 被称为“本地 AI 的 ChatGPT 时刻”。但真正重要的不是跑分,而是它第一次让本地/开源模型进入了「能直接进工作流」的阶段。这期视频,用 20 分钟把设置方法、真实体验和行业拐点讲清楚了。
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。
当大多数人还在讨论“AI会不会取代人类工作”时,Cloudflare CEO已经给出一个更激进的判断:未来互联网上,AI代理的数量将是人类的1000倍。这不是科幻畅想,而是他刚刚在真实流量数据中看到的拐点。
如果你以为这只是一期科技播客,那你会低估它的杀伤力:扎克伯格被好莱坞再次“定性”,Anthropic刚发布的Fable 5一边秀肌肉一边踩安全红线,而真正的主线,其实是AI正在从“模型竞赛”滑向“权力、叙事与边缘推理”的新阶段。
当所有人都在把最强的大模型推向云端,Alex Cheema 却在做一件反方向的事:让 Frontier AI 跑在你自己的硬件上。这场看似“逆潮流”的尝试,背后藏着对成本、控制权和 AI 未来形态的深刻判断。
很多人以为“真·AI 应用”只能在云端完成,但 Google DeepMind 在这场 AMA 里给了一个完全相反的答案:Android 正在把生成式 AI 直接塞进手机里,而且已经能用。这场对话不讲概念,直面限制、取舍和真正可落地的路径。
当所有人都在讨论更大的模型、更贵的Token时,Google DeepMind在这场分享里反复强调了一件“反直觉”的事:真正能跑起来的AI,必须回到设备本身。从Gemma 4到端侧Agent,这不是性能妥协,而是一场架构转向。
如果你还觉得“真正的 AI 一定在云端”,这场分享会直接打脸。来自 Google 的工程师展示了一个反直觉现实:通过 Tiny LLM、量化和 LiteRT-LM,边缘设备已经能跑起可靠的智能代理,而且不是 Demo,是可上线的那种。
如果你还以为“做AI应用”等于调模型参数,这场来自Google DeepMind的演示会让你彻底改观。Paige Bailey用一小时,把多模态模型、AI Studio、世界模型和一键部署串成了一条几乎不用写代码的生产线。
在所有人都在追逐更大参数、更强算力时,Liquid AI 的 Maxime Labonne 反其道而行:专注 3.5 亿到 240 亿参数的小模型,并且明确说——小模型不是大模型的“缩水版”。这场分享,几乎逐条拆掉了从大模型时代继承下来的错误直觉。