[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-glm-52-open-frontier-ai-for-developers-zh":3,"article-related-glm-52-open-frontier-ai-for-developers-zh":30,"series-model-release-d8a1caad-1c20-4ee8-b8d2-72930280631a":81},{"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},"d8a1caad-1c20-4ee8-b8d2-72930280631a","glm-52-open-frontier-ai-for-developers-zh","GLM-5.2把前沿模型变成工具","\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 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\u003Ca href=\"\u002Fnews\u002Fopenai-api-setup-commercial-apps-zh\">接入\u003C\u002Fa>”“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-1781442214340-50f5.png\" alt=\"GLM-5.2把前沿模型变成工具\" 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\u003Ca href=\"\u002Fnews\u002Fgpu-mag-list-turns-gpu-tests-into-workflow-zh\">流程\u003C\u002Fa>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\u003Ca href=\"\u002Fnews\u002Fv100-raw-gguf-vs-prepacked-weight-cache-zh\">原始\u003C\u002Fa>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-1781442210538-wtsg.png\" alt=\"GLM-5.2把前沿模型变成工具\" 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：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>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># GLM-5.2 接入评估模板\n\n## 1. 目标场景\n- 代码解释 \u002F 代码生成 \u002F 代码重构\n- 长文档总结 \u002F 知识问答 \u002F 任务编排\n- 工具调用 \u002F Agent \u002F 企业内部助手\n\n## 2. 评估输入\n- 真实项目文件：README、设计文档、接口定义、测试文件\n- 真实任务：从你产品里挑 20 个高频问题\n- 长上下文任务：至少 1 个超长文档或多文件仓库任务\n\n## 3. 评估维度\n- 正确率：答案是否可直接使用\n- 一致性：多轮对话里目标是否保持稳定\n- 长任务能力：输入很长时是否还能抓住重点\n- 代码可用性：是否能生成可运行、可测试的修改\n- 可控性：是否容易通过提示词和工具约束行为\n- 成本：响应时间、调用成本、人工返工次数\n\n## 4. 记录表\n| 任务 | 旧模型结果 | GLM-5.2 结果 | 是否通过 | 备注 |\n| ---- | ---------- | ------------ | -------- | ---- |\n| 代码解释 |  |  |  |  |\n| 长文档总结 |  |  |  |  |\n| 多文件修改 |  |  |  |  |\n| 工具调用 |  |  |  |  |\n\n## 5. 接入建议\n- 先做隔离环境，不要直接改主链路\n- 先跑真实任务，再看 benchmark\n- 保留完整日志：输入、输出、工具调用、失败原因\n- 设回滚开关，任何异常都能切回旧模型\n- 通过后再做灰度，最后才是全量\n\n## 6. 最终结论\n- 值得接入 \u002F 需要继续观察 \u002F 不建议迁移\n- 结论理由：________________\n- 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\">https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2049138956747511733\u003C\u002Fa>。我上面拆的是原文里的开发者信号，模板和判断框架是我根据常见接入流程整理出来的衍生内容，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-1781442214340-50f5.png","model-release","zh","9265411b-cd2a-4d84-ad56-591fe8f53beb",[17,18,19,20,21],"GLM-5.2","长上下文","模型选型","Coding模型","Agent",[23,24,25],"全量开放的重点不是噱头，而是 API、开源、授权一起放开，降低开发者接入阻力。","1M 上下文真正有价值的地方在于长任务和仓库级工作流，不是单纯聊天更长。","最实用的做法是先用真实任务做隔离评测，再决定要不要迁移主链路。",0,"2026-06-14T13:03:02.867596+00:00","2026-06-14T13:03:02.853+00:00","0ccb5d2e-69f1-4354-a3e0-cb370221cd95",{"tags":31,"relatedLang":40,"relatedPosts":44},[32,34,36,37,39],{"name":33,"slug":33},"agent",{"name":20,"slug":35},"coding模型",{"name":18,"slug":18},{"name":17,"slug":38},"glm-52",{"name":19,"slug":19},{"id":15,"slug":41,"title":42,"language":43},"glm-52-open-frontier-ai-for-developers-en","GLM-5.2把前沿模型变成可用工具","en",[45,51,57,63,69,75],{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"54f5d0f6-8a6b-42c8-927f-607fd67ee912","gemini-3-5-live-translate-rolls-out-70-languages-en-zh","Gemini 3.5 Live Translate 擴至70+語言","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781489873591-592g.png","2026-06-15T02:17:25.888557+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"9c95f760-31c5-4941-8c2e-326e84ebb1df","openai-5-6-model-significant-improvements-zh","OpenAI 5.6 可能比 5.5 強很多","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781460175869-asr5.png","2026-06-14T18:02:29.757479+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"301217b7-5b7f-43ae-8696-f7594351873e","openai-files-ipo-paperwork-scrutiny-grows-zh","OpenAI 準備 IPO，監管壓力同步升高","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781427773647-ad0o.png","2026-06-14T09:02:24.760504+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"5501c878-b81a-4c12-8df6-7876ba68ff43","apples-foundation-models-are-all-apple-zh","Apple Foundation Models 不是 Gemini 包裝","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781404366205-7zqq.png","2026-06-14T02:32:25.319584+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"f26334ab-dd8b-49c2-a49e-7fc376200f2b","microsoft-bets-on-controllable-domain-tuned-models-zh","微軟押注可控、領域調校模型，而不是更大的通用模型","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781331468190-ymfp.png","2026-06-13T06:17:20.311904+00:00",{"id":76,"slug":77,"title":78,"cover_image":79,"image_url":79,"created_at":80,"category":13},"0bb91791-f4b6-4d51-899c-6eeb239f942a","microsoft-mai-models-build-2026-zh","Microsoft把 Copilot 拉回主場","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781330585064-s9ya.png","2026-06-13T06:02:35.160901+00:00",[82,87,92,97,102,107,112,117,122,127],{"id":83,"slug":84,"title":85,"created_at":86},"58b64033-7eb6-49b9-9aab-01cf8ae1b2f2","nvidia-rubin-six-chips-one-ai-supercomputer-zh","NVIDIA Rubin 把六顆晶片塞進 AI 機櫃","2026-03-26T07:18:45.861277+00:00",{"id":88,"slug":89,"title":90,"created_at":91},"0dcc2c61-c2a6-480d-adb8-dd225fc68914","march-2026-ai-model-news-what-mattered-zh","2026 年 3 月 AI 模型新聞重點","2026-03-26T07:32:08.386348+00:00",{"id":93,"slug":94,"title":95,"created_at":96},"214ab08b-5ce5-4b5c-8b72-47619d8675dd","why-small-models-are-winning-on-device-ai-zh","小模型為何吃下裝置端 AI","2026-03-26T07:36:30.488966+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"785624b2-0355-4b82-adc3-de5e45eecd88","midjourney-v8-faster-images-higher-costs-zh","Midjourney V8 變快了，也變貴了","2026-03-26T07:52:03.562971+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"cda76b92-d209-4134-86c1-a60f5bc7b128","xiaomi-mimo-trio-agents-robots-voice-zh","小米 MiMo 三模型瞄準代理、機器人與語音","2026-03-28T03:05:08.779489+00:00",{"id":108,"slug":109,"title":110,"created_at":111},"9e1044b4-946d-47fe-9e2a-c2ee032e1164","xiaomi-mimo-v2-pro-1t-moe-agents-zh","小米 MiMo-V2-Pro 登場：1T MoE 模型","2026-03-28T03:06:19.002353+00:00",{"id":113,"slug":114,"title":115,"created_at":116},"c4b6186f-bd84-4598-997e-c6e31d543c0d","cursor-composer-2-agentic-coding-model-zh","Cursor Composer 2 走向代理式寫碼","2026-03-28T03:13:06.422716+00:00",{"id":118,"slug":119,"title":120,"created_at":121},"e112e76f-ec3b-408f-810e-e93ae21a888a","apple-siri-gemini-distilled-models-zh","Apple Siri 牽手 Gemini 的真相","2026-03-29T04:52:57.886544+00:00",{"id":123,"slug":124,"title":125,"created_at":126},"c679b51f-194a-463b-87fc-7695256ff752","mimo-v2-pro-vs-omni-vs-flash-2026-zh","MiMo V2 Pro、Omni、Flash 怎麼選","2026-04-02T01:18:43.576128+00:00",{"id":128,"slug":129,"title":130,"created_at":131},"3b988fd7-6749-4f01-ba25-c0ad7486dc31","z-ai-glm-5v-turbo-design2code-claude-zh","GLM-5V-Turbo 在 Design2Code 贏了…","2026-04-02T04:03:36.31741+00:00"]