GLM

171: 与Henry的「AI季报 26Q2」：从 coding 到 RSI，强者愈强的未来？

2026年7月1日 · 1:39:42

本期季报中，程曼祺与MoE Capital创始合伙人Henry Yin判断，行业正同时推进智能前沿（编码代理、RSI、物理AI）与智能扩散（企业自建模型、交互创新），强者愈强但开源追赶也在加速。OpenAI与Anthropic分别发布GPT-5.6和Fable 5，Anthropic因安全护栏与静默降智引发争议，OpenAI以免费抢客，Anthropic年收入预计达620亿美元，OpenAI约400亿美元。RSI成为热土：Anthropic长文称80%合并代码由Claude编写，Richard Socher、田渊栋的Recursive在三个benchmark取得SOTA，Mirendil、Core Automation等新团队涌现。物理AI上OpenAI官宣机器人团队，Anthropic考虑布局；MoE资本统计约100亿美元流向世界模型相关公司。智能扩散上，Harvey联合Applied Compute用GLM 5.1后训练出法律模型并超越前沿模型，GLM 5.2因低成本与兼容Claude Code在硅谷走红。交互创新包括Claude Tag、Record and Replay和Thinking Machines的边听边说模型；Meta推出Musespark但反响平平，Google以Gemini Omni展示多模态，xAI转向算力租赁并收购Cursor，Midjourney发布超声波CT扫描仪。

163: 详解DeepSeekV4：Infra巨鲸、百万上下文走进现实、极致效率优化

2026年4月30日 · 1:33:52

本集晚点聊详解DeepSeek V4，SGLang核心开发者赵晨阳（RadixArk工程师）和UCLA博士生刘益枫判定：它并非范式创新，而是沿R1的“测试时扩展”范式，用混合稀疏注意力、Muon优化器、mHC、FP4等互相耦合的工程优化，让百万上下文从理论进入实用。V4放弃了V3的MLA架构，改用滑动窗口+CSA稀疏压缩+HCA稠密压缩的层间分工，换来激活参数占比仅3%、单token推理FLOPs仅V3.2的27%、KV cache占用仅10%的极致效率；但两人也指出，解决同一问题的token消耗反而增加，有“高压水枪浇花”式的浪费。他们具体拆解了四个新特性：Muon优化器已成为检验工程能力的试金石，V4将Kimi Muon Lite的0.2系数改为0.18；mHC是DeepSeek对Hyper-Connection的稳定化改造；Infra侧TileLang降低新kernel开发成本，FP4训练让采样和部署一致，实现真正的物理提速。此外，DeepSeek这次不再披露训练成本，两人认为最终训练成本只是冰山一角；发布延期源于四个新feature耦合导致组合爆炸，但团队流动率极低。节目还讨论了DeepSeek内部评测中9%工程师不会将V4 Pro作为编程首选，以及中美模型路线分化：美国公司追新能力、高定价，中国公司追性价比和工程极限。关于评测，他们认为benchmark会过时饱和，evaluation才是永恒追求；V4也未提出新的能力域，但它的极致压缩和低单token成本，可能成为后续开源模型的起点。

80: OpenAI o1 来了！与硅流袁进辉聊 o1 新范式和开发者生态

2024年9月16日 · 1:40:20

本期《晚点聊》邀请硅基流动创始人袁进辉解读OpenAI o1：o1以强化学习、思维链与test-time compute的组合，突破了大语言模型在逻辑推理上的瓶颈，数学、编程和科学任务能力大幅提升。袁进辉认为这三项技术单独看都不是新idea，OpenAI把Alpha家族验证过的强化学习方法搬到大语言模型上，胜在组合，并验证了从train scaling law到inference scaling law的新范式；训练端用合成数据、推理端多次调用模型都会增加算力需求，但国内基础模型训练收缩，GPU短期有冗余、租金下降。从API定价看，o1每百万token约数十到上百美元，是4o的数倍到十倍，目前还不支持函数调用、流式传输，推理时间也长，但这些都可优化；而推理能力的提升让Agent范式更有望跑通。袁进辉还以硅基流动的一线数据反驳“AI应用降温”：大量小微企业和个人开发者正基于开源模型做应用，只是不在传统VC视野里，他称已有应用每天调用数亿至十亿token、每周活跃数十万；海外调用最多的是Meta的Llama，国内是阿里通义千问和幻方DeepSeek，千问胜在版本齐全，DeepSeek编程能力突出。他也不认为o1会改变大模型公司持续收敛的趋势，因为技术扩散和边际收益递减的逻辑未变。