[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-glm-52-open-frontier-ai-for-developers-en":3,"article-related-glm-52-open-frontier-ai-for-developers-en":30,"series-model-release-9265411b-cd2a-4d84-ad56-591fe8f53beb":80},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"9265411b-cd2a-4d84-ad56-591fe8f53beb","glm-52-open-frontier-ai-for-developers-en","GLM-5.2把前沿模型变成可用工具","\u003Cp data-speakable=\"summary\">GLM-5.2开放后，我把它拆成一份可直接改用的模型选型模板。\u003C\u002Fp>\u003Cp>我最近一直在盯着一个很烦人的问题：前沿模型越来越强，但开发者越来越像在借工具。今天能用，明天可能就没了；今天给你最强版本，明天就把门关上。说实话，我已经被这种节奏折腾烦了。你刚把评测、提示词、工具调用、上下文管理都调顺，结果模型策略一变，整个工作流又得重来。最难受的不是性能波动，而是那种“你不是在构建产品，你是在等别人发牌”的感觉。\u003C\u002Fp>\u003Cp>所以当我看到智谱这篇\u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2049138956747511733\" target=\"_blank\" rel=\"noopener noreferrer\">《致开发者：GLM-5.2全量开放，前沿智能属于所有人》\u003C\u002Fa>时，我第一反应不是“又一个发布”，而是“这次他们把开发者最在意的那件事说出来了”。文里提到的几个点很直白：GLM-5.2 面向 GLM Coding Plan 全量用户开放，覆盖 Lite \u002F Pro \u002F Max \u002F 团队版；\u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 下周上线；模型下周正式开源，遵循 MIT 协议；还有一个很重的数字，真正可用的 \u003Cstrong>1M 上下文\u003C\u002Fstrong>。这不是宣传腔，这是会直接改变你怎么搭产品的东西。\u003C\u002Fp>\u003Cp>我不是要替任何模型站台。我更关心的是：这类“全量开放”的动作，具体会怎么影响我们写代码、做 \u003Ca href=\"\u002Ftag\u002Fagent\">Agent\u003C\u002Fa>、跑长任务、做企业集成。下面我按开发者视角拆开讲，顺手给你一份能直接拿去改的模板。\u003C\u002Fp>\u003Ch2>先别看口号，先看它到底放开了什么\u003C\u002Fh2>\u003Cblockquote>“今晚 5:21，GLM-5.2 将面向 GLM Coding Plan 全量用户开放，覆盖 Lite \u002F Pro \u002F Max \u002F 团队版。GLM-5.2 API 将于下周上线，模型下周正式开源，遵循 MIT 协议。”\u003C\u002Fblockquote>\u003Cp>这段话的意思很简单：它不是只给你看 demo，也不是只给研究员玩。它把“能不能用”“能不能接入”“能不能自己改”三件事同时往前推了一步。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781442210978-n218.png\" alt=\"GLM-5.2把前沿模型变成可用工具\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我做产品时最怕这种断层：网页端能聊得很好，API 却迟迟不出；或者 API 出了，但协议限制一堆，最后你还是不敢深度集成。这里最值得注意的是 MIT 协议。对开发者来说，这意味着你在合规和分发上少了很多心理负担。你可以更放心地把它放进你的内部工具、原型、甚至商业产品里。当然，具体还是得看你自己的法务边界，但至少它不是那种一上来就把你锁死的授权方式。\u003C\u002Fp>\u003Cp>我以前接过一个企业知识库项目，模型能力其实够用，问题卡在“部署后能不能长期稳定使用”。客户最怕供应商今天改价、明天改政策。最后我们宁愿选一个稍微弱一点但可控的模型，也不愿意把核心流程绑在一个随时会变的黑盒上。GLM-5.2 这次的信号，就是在往“可控”这个方向走。\u003C\u002Fp>\u003Cp>怎么应用？如果你在选型，先别问“它是不是最强”，先问这四个问题：\u003C\u002Fp>\u003Cul>\u003Cli>我能不能稳定调用它，还是只能碰运气？\u003C\u002Fli>\u003Cli>我能不能把它接进现有 CI、IDE、Agent 流程？\u003C\u002Fli>\u003Cli>我能不能在本地或私有环境里做二次适配？\u003C\u002Fli>\u003Cli>如果明天策略变了，我的系统会不会直接崩？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果这四个问题里有两个答不上来，再强的模型也只是演示品，不是生产力工具。\u003C\u002Fp>\u003Ch2>1M 上下文不是噱头，是工作流重写器\u003C\u002Fh2>\u003Cblockquote>“支持真正可用的 1M 上下文，并在长程任务中继续保持领先。”\u003C\u002Fblockquote>\u003Cp>这句我看得很认真，因为长上下文这件事，很多模型都喜欢写进海报，但真正能用的没几个。上下文长度不是越大越好，关键是“长了以后还记不记得自己在干嘛”。如果前面 20 万 \u003Ca href=\"\u002Ftag\u002Ftoken\">token\u003C\u002Fa> 只是噪音堆积，后面再长也没意义。\u003C\u002Fp>\u003Cp>我自己最早被长上下文教育，是在做代码审查助手的时候。我们把整个仓库、历史 issue、设计文档、接口约定一起喂进去，模型一开始很像回事，到了后半段就开始胡说八道：把旧接口当新接口，把废弃模块当核心模块。那时候我才明白，长上下文不是“能塞多少”，而是“能不能在很长的输入里维持任务边界”。\u003C\u002Fp>\u003Cp>如果 GLM-5.2 真的能把 1M 上下文做得“真正可用”，那它最先改变的不是聊天，而是这些场景：\u003C\u002Fp>\u003Cul>\u003Cli>整仓库级代码理解\u003C\u002Fli>\u003Cli>超长 PR、RFC、设计稿分析\u003C\u002Fli>\u003Cli>多轮 Agent 任务记录保留\u003C\u002Fli>\u003Cli>跨文档的企业知识问答\u003C\u002Fli>\u003Cli>长链路调试和事故复盘\u003C\u002Fli>\u003C\u002Ful>\u003Cp>这里我想强调一点：长上下文最适合的不是“让模型记住更多闲聊”，而是“让模型少做截断式失忆”。如果你的产品每次都要把历史对话摘要成一小段，再继续往下跑，你会发现摘要本身就是误差源。上下文足够长时，很多摘要层可以直接删掉，系统复杂度会降一截。\u003C\u002Fp>\u003Cp>怎么应用？我建议你把任务按三层切开：\u003C\u002Fp>\u003Cp>第一层是原始材料，尽量少加工；第二层是任务目标，写清楚“要输出什么”；第三层才是约束和格式。别把所有东西都揉成一坨 prompt。长上下文模型更适合“分层输入”，而不是“混合投喂”。\u003C\u002Fp>\u003Cp>另外，别一上来就挑战最难的长任务。先做三个基准测试：仓库问答、长文档抽取、跨文件代码修改。只要这三个能稳，你就知道它是不是能进生产。\u003C\u002Fp>\u003Ch2>它最值钱的地方，其实是 Coding\u003C\u002Fh2>\u003Cblockquote>“它也依旧是我们心中最强的国产 Coding 模型。”\u003C\u002Fblockquote>\u003Cp>这句很有态度，也很开发者导向。因为很多模型发布时都喜欢说“通用能力”，但真正能让工程师愿意掏钱、愿意迁移工作流的，往往还是代码能力。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781442207372-c8mr.png\" alt=\"GLM-5.2把前沿模型变成可用工具\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我对 Coding 模型的标准很朴素：不是会不会写一个漂亮函数，而是能不能在真实工程里少犯蠢。比如它能不能看懂项目结构、能不能遵守现有风格、能不能在改动一个函数时不顺手炸掉三层调用链。很多模型在单文件补全上看起来还行，一到多文件重构就开始乱来，尤其是涉及测试、依赖和边界条件的时候。\u003C\u002Fp>\u003Cp>如果 GLM-5.2 真把“国产 Coding 模型”这条线继续往前推，我会重点看这几件事：\u003C\u002Fp>\u003Cul>\u003Cli>是否真的理解项目级上下文，而不是只盯当前文件\u003C\u002Fli>\u003Cli>是否能做安全重构，而不是只会补代码\u003C\u002Fli>\u003Cli>是否能生成可执行测试，而不是只给伪代码\u003C\u002Fli>\u003Cli>是否能在长任务里保持一致的修改目标\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我以前在一个内部开发工具里接过模型补全，最常见的问题是“过度自信”。它会把不确定的地方直接写死，仿佛自己已经看过整个仓库。最后我们不得不在系统层面加一层校验：先让模型提修改计划，再让它逐文件执行，再让测试工具回收结果。这个流程虽然啰嗦，但比“直接生成最终答案”靠谱得多。\u003C\u002Fp>\u003Cp>所以，怎么用 Coding 模型才不浪费？我的建议是别把它当成自动写码机，而是当成“代码意图解释器”。让它先回答三个问题：\u003C\u002Fp>\u003Cp>1）我理解了什么；2）我准备怎么改；3）改完后怎么验证。只要这三步能稳定，你的开发效率就会明显上去。\u003C\u002Fp>\u003Ch2>开放不是姿态，是减少供应链风险\u003C\u002Fh2>\u003Cblockquote>“前沿智能不应只属于少数人，也不应被少数规则随时收回。它应该开放、可用、可构建，并服务于每一位开发者。”\u003C\u002Fblockquote>\u003Cp>这段话听起来像价值观，但对开发者来说，它其实是供应链问题。模型本身已经成了基础设施的一部分，而基础设施最怕不确定性。你今天把一个模型接进产品，明天它突然限流、改协议、关接口、换价格，你的整个产品节奏都会被打乱。\u003C\u002Fp>\u003Cp>我对“开放”的理解很现实：不是大家一起喊口号，而是你能不能把它纳入自己的技术栈，并且长期维护。一个真正有用的开放模型，应该让你少做几件事：少做供应商迁移预案，少做临时兜底，少做“这个功能先不上因为模型还不稳”的妥协。\u003C\u002Fp>\u003Cp>这也是为什么“API 下周上线，模型下周正式开源”这类节奏很重要。它意味着你不只是等一个接口，而是等一个可迁移的技术资产。对团队来说，这会直接影响采购、架构和排期。\u003C\u002Fp>\u003Cp>怎么应用？如果你是团队负责人，我建议你把模型选型表改成下面这几项：\u003C\u002Fp>\u003Cul>\u003Cli>调用稳定性\u003C\u002Fli>\u003Cli>协议清晰度\u003C\u002Fli>\u003Cli>可迁移性\u003C\u002Fli>\u003Cli>可观测性\u003C\u002Fli>\u003Cli>成本可预测性\u003C\u002Fli>\u003C\u002Ful>\u003Cp>别只写“效果好不好”。效果好但不可控，最后还是会变成团队债务。说白了，模型不是一次性采购，是长期供应关系。\u003C\u002Fp>\u003Cp>如果你是独立开发者，开放模型的意义更直接：你终于有机会做那些以前不敢做的事，比如高频调用的工具、私有化部署的助手、需要深度定制的行业应用。你不必每次都把核心逻辑暴露给外部平台，也不必担心某天接口突然消失。\u003C\u002Fp>\u003Ch2>真正该关心的是：你要怎么接进现有系统\u003C\u002Fh2>\u003Cblockquote>“A step closer to frontier intelligence for everyone.”\u003C\u002Fblockquote>\u003Cp>这句英文其实说得挺实在，意思不是“未来会更好”，而是“我们现在往前挪了一步”。对我来说，技术发布最有价值的地方永远不是宏大叙事，而是它能不能落到现有系统里。\u003C\u002Fp>\u003Cp>我一般会把新模型接入分成四步：评测、灰度、回滚、监控。很多团队只做前两步，后两步基本靠祈祷。结果就是上线时很兴奋，出问题时很狼狈。\u003C\u002Fp>\u003Cp>如果你要试 GLM-5.2，我建议你别先改主链路。先搭一个隔离环境，把它放在以下几个任务上跑：\u003C\u002Fp>\u003Cul>\u003Cli>代码解释\u003C\u002Fli>\u003Cli>长文档总结\u003C\u002Fli>\u003Cli>多轮工具调用\u003C\u002Fli>\u003Cli>复杂问答\u003C\u002Fli>\u003Cli>局部代码修改\u003C\u002Fli>\u003C\u002Ful>\u003Cp>然后记录四个指标：成功率、平均响应时间、长任务中断率、人工回收次数。只要你把这些数据留住，后面换模型、换版本、换供应商，心里就有底。\u003C\u002Fp>\u003Cp>我还建议你保留一个“模型行为日志”。别只存最终答案，最好把中间推理、工具调用、失败原因、重试次数都记下来。很多时候，模型不是不会，而是某个环节的输入质量太差。没有日志，你根本分不清是模型问题还是系统问题。\u003C\u002Fp>\u003Cp>如果你做的是面向用户的产品，最重要的不是“接上去”，而是“接上去之后还能解释”。用户问为什么这次结果变了，你得说得清楚。这个清楚，最后会直接决定你能不能规模化。\u003C\u002Fp>\u003Ch2>我会怎么判断它值不值得迁移\u003C\u002Fh2>\u003Cblockquote>“ModelKey：GLM-5.2”\u003C\u002Fblockquote>\u003Cp>我不太在意发布页上写了多少漂亮形容词，我更在意它能不能成为一个稳定的系统标识。一个清晰的 ModelKey，至少说明你后面做版本管理、灰度控制、回滚策略时有抓手。\u003C\u002Fp>\u003Cp>如果你现在已经在用别的模型，我不会建议你盲迁移。迁移这件事很贵，尤其是你已经围绕某个模型写了一堆 prompt、规则和补丁。真正值得迁移的条件通常只有三个：\u003C\u002Fp>\u003Cul>\u003Cli>它在你的核心场景里明显更好\u003C\u002Fli>\u003Cli>它的接入和授权成本更低\u003C\u002Fli>\u003Cli>它能让你的系统更可控\u003C\u002Fli>\u003C\u002Ful>\u003Cp>只要这三个条件有两个成立，就值得做一轮认真评测。否则别折腾，工程师的时间比营销文案值钱多了。\u003C\u002Fp>\u003Cp>我自己的做法是先选 20 个真实任务，不是 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 套题，而是你产品里每天真的会遇到的事。然后让旧模型和新模型同时跑，人工盲测。最后看三类结果：正确率、编辑成本、返工率。很多模型在单项指标上很好看，但一到真实任务就开始掉链子。\u003C\u002Fp>\u003Cp>如果 GLM-5.2 真的在长上下文和 Coding 场景里都能稳住，那它就不只是“又一个可用模型”，而是一个能进入工程主链路的选项。这个区别很大。\u003C\u002Fp>\u003Ch2>你可以直接拿去用的判断模板\u003C\u002Fh2>\u003Cp>下面这份东西，我是按“模型开放后，开发者怎么快速判断能不能接入”来写的。你可以直接改成你团队内部的评审表，或者拿去做 PoC 记录。\u003C\u002Fp>\u003Cp>我建议你别把它当成宣传材料，而是当成一次冷静的技术验收。模型再强，落不到你的系统里，都是白搭。\u003C\u002Fp>\u003Ch2>The template you can copy\u003C\u002Fh2>\u003Cpre>\u003Ccode># GLM-5.2 接入评估模板\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>## 1. 目标场景\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 代码解释 \u002F 代码生成 \u002F 代码重构\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 长文档总结 \u002F 知识问答 \u002F 任务编排\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 工具调用 \u002F Agent \u002F 企业内部助手\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>## 2. 评估输入\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 真实项目文件：README、设计文档、接口定义、测试文件\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 真实任务：从你产品里挑 20 个高频问题\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 长上下文任务：至少 1 个超长文档或多文件仓库任务\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>## 3. 评估维度\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 正确率：答案是否可直接使用\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 一致性：多轮对话里目标是否保持稳定\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 长任务能力：输入很长时是否还能抓住重点\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 代码可用性：是否能生成可运行、可测试的修改\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 可控性：是否容易通过提示词和工具约束行为\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 成本：响应时间、调用成本、人工返工次数\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>## 4. 记录表\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>| 任务 | 旧模型结果 | GLM-5.2 结果 | 是否通过 | 备注 |\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>| ---- | ---------- | ------------ | -------- | ---- |\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>| 代码解释 |  |  |  |  |\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>| 长文档总结 |  |  |  |  |\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>| 多文件修改 |  |  |  |  |\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>| 工具调用 |  |  |  |  |\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>## 5. 接入建议\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 先做隔离环境，不要直接改主链路\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 先跑真实任务，再看 benchmark\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 保留完整日志：输入、输出、工具调用、失败原因\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 设回滚开关，任何异常都能切回旧模型\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 通过后再做灰度，最后才是全量\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>## 6. 最终结论\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 值得接入 \u002F 需要继续观察 \u002F 不建议迁移\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 结论理由：________________\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>- 下一步动作：________________\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>这套模板的核心不是复杂，而是把“感觉不错”变成“可比较、可复现、可回滚”。我一直觉得，开发者最怕的不是模型不够聪明，而是你根本说不清它到底好在哪、坏在哪。\u003C\u002Fp>\u003Cp>如果你准备试 GLM-5.2，我会建议你从真实工程任务开始，而不是从演示开始。你会更快知道它是不是你要的那个工具。\u003C\u002Fp>\u003Cp>来源：\u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2049138956747511733\" target=\"_blank\" rel=\"noopener noreferrer\">知乎专栏原文\u003C\u002Fa>。上面这篇文章是我基于原文做的开发者视角拆解和实践化改写，模板部分是我根据常见接入流程整理出来的二次产物，不是原文逐字内容。\u003C\u002Fp>","我拆解GLM-5.2全量开放背后的开发者信号，并给你一份可直接改用的模型选型模板。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2049138956747511733",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781442210978-n218.png","model-release","en","d8a1caad-1c20-4ee8-b8d2-72930280631a",[17,18,19,20,21],"GLM-5.2","开源模型","长上下文","Coding模型","模型接入",[23,24,25],"GLM-5.2最值得关注的是1M上下文、MIT开源和API开放节奏","开放模型的价值不只是性能，更是可控性和供应链稳定","接入前先用真实任务做评估，再决定是否迁移",0,"2026-06-14T13:03:03.519515+00:00","2026-06-14T13:03:03.51+00:00","1bae1133-d241-4581-9332-fbf39690c319",{"tags":31,"relatedLang":39,"relatedPosts":43},[32,34,35,36,37],{"name":20,"slug":33},"coding模型",{"name":21,"slug":21},{"name":19,"slug":19},{"name":18,"slug":18},{"name":17,"slug":38},"glm-52",{"id":15,"slug":40,"title":41,"language":42},"glm-52-open-frontier-ai-for-developers-zh","GLM-5.2把前沿模型变成工具","zh",[44,50,56,62,68,74],{"id":45,"slug":46,"title":47,"cover_image":48,"image_url":48,"created_at":49,"category":13},"ad479036-974c-4ea3-8f42-b446afa9f600","gemini-3-5-live-translate-rolls-out-70-languages-en","Gemini 3.5 Live Translate rolls out in 70+ languages","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781489873452-jntq.png","2026-06-15T02:17:26.444846+00:00",{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":13},"025d1488-1e51-4b77-8d7e-aadd35a65366","openai-5-6-model-significant-improvements-en","OpenAI’s 5.6 model hints at a bigger jump","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781460175729-4hg5.png","2026-06-14T18:02:30.197438+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"category":13},"af05bd77-6c80-4f89-937d-bc0d935b1c57","openai-files-ipo-paperwork-scrutiny-grows-en","OpenAI files IPO paperwork as scrutiny grows","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781427772574-pn1k.png","2026-06-14T09:02:25.184548+00:00",{"id":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"category":13},"9014154a-46b0-4613-9545-a87c02665870","apples-foundation-models-are-all-apple-en","Apple’s new Foundation Models are all Apple","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781404367957-y5lr.png","2026-06-14T02:32:25.777008+00:00",{"id":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"category":13},"0a587641-eb12-4267-8c2f-66552da4971f","microsoft-bets-on-controllable-domain-tuned-models-en","Microsoft is betting the AI stack on controllable, domain-tuned models","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781331466740-ul8y.png","2026-06-13T06:17:20.805099+00:00",{"id":75,"slug":76,"title":77,"cover_image":78,"image_url":78,"created_at":79,"category":13},"e79f075c-adad-4942-a277-599c06f1129d","gpt-5-4-thinkng-pro-mini-nano-release-en","GPT-5.4 lands with Pro, Thinking, mini, nano","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781326970109-vptx.png","2026-06-13T05:02:20.069335+00:00",[81,86,91,96,101,106,111,116,121,126],{"id":82,"slug":83,"title":84,"created_at":85},"d4cffde7-9b50-4cc7-bb68-8bc9e3b15477","nvidia-rubin-ai-supercomputer-en","NVIDIA Unveils Rubin: A Leap in AI Supercomputing","2026-03-25T16:24:35.155565+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"eab919b9-fbac-4048-89fc-afad6749ccef","google-gemini-ai-innovations-2026-en","Google's AI Leap with Gemini Innovations in 2026","2026-03-25T16:27:18.841838+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"5f5cfc67-3384-4816-a8f6-19e44d90113d","gap-google-gemini-ai-checkout-en","Gap Teams Up with Google Gemini for AI-Driven Checkout","2026-03-25T16:27:46.483272+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"f6d04567-47f6-49ec-804c-52e61ab91225","ai-model-release-wave-march-2026-en","Navigating the AI Model Release Wave of March 2026","2026-03-25T16:28:45.409716+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"895c150c-569e-4fdf-939d-dade785c990e","small-language-models-transform-ai-en","Small Language Models: Llama 3.2 and Phi-3 Transform AI","2026-03-25T16:30:26.688313+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"38eb1d26-d961-4fd3-ae12-9c4089680f5f","midjourney-v8-alpha-features-pricing-en","Midjourney V8 Alpha: A Deep Dive into Its Features and Pricing","2026-03-26T01:25:36.387587+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"bf36bb9e-3444-4fb8-ab19-0df6bc9d8271","rag-2026-indispensable-ai-bridge-en","RAG in 2026: The Indispensable AI Bridge","2026-03-26T01:28:34.472046+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"60881d6d-2310-44ef-b1fb-7f98e9dd2f0e","xiaomi-mimo-trio-agents-robots-voice-en","Xiaomi’s MiMo trio targets agents, robots, and voice","2026-03-28T03:05:08.899895+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"f063d8d1-41d1-4de4-8ebc-6c40511b9369","xiaomi-mimo-v2-pro-1t-moe-agents-en","Xiaomi MiMo-V2-Pro: 1T MoE Model for Agents","2026-03-28T03:06:19.238032+00:00",{"id":127,"slug":128,"title":129,"created_at":130},"a1379e9a-6785-4ff5-9b0a-8cff55f8264f","cursor-composer-2-started-from-kimi-en","Cursor’s Composer 2 started from Kimi","2026-03-28T03:11:59.132398+00:00"]