更多动态
这是 glm-5 系列首款原生多模态模型,MoE 架构 320B / 18B 激活,智能 57(≈ Opus 4.8),原生视觉 + 1M 上下文,价格输入 $0.15 / 输出 $0.50 per M 。 相比前几天发布的 deepseek-v4-flash-vision-exp 贵了一丢丢,但智能要高不少。 deepseek-v4-flash-vision-exp 是实验版,智能只有 40 ,视觉能力还是外挂的。

我可能要从 pi 转到 dsh ,主要是出门不想带电脑, dsh 和 pi 挺像的,能无缝迁移,都是两层 loop 和万物皆插件。 之前用了小半年 tailscale(内网穿透) + tmux(会话保活) + termius(手势终端) + claude code(服务器) 远程的方案,终端在手机上无论是操作,还是发送文件,都不太方便。 dsh 的网页端天然就很适合远程,没 IDE 重,webui 对手机端友好。而且会话在网页上,不会因为断开访问终止会话。如果要给 agent 看图,写个上传插件,通过网页发送图片也很方便。 目前唯一的缺点是 dsh 的安全限制,没有官方的远程方式,必须改源码才能通过内网穿透访问到 dsh web ,现在只是 dsh beta 版,后续官方应该会开放远程方式。

1.6T 总参、激活约 48B,原生多模态,主推长程智能体,全程国产算力训练。 图像量化成多级离散 token,Visual Coding 与 3D 受益。 大规模长程 RL,把失败轨迹转成可验证训练任务。 W4A4 推理,prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。

它不堆参数,堆"层数"。32 层解码器,中间 4–27 层同权重跑两遍 → 前向 56 层计算,只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72,超 Qwen3.5-27B;Terminal Bench依旧落后。
