三家中國實驗室在同一週各推一款百萬級上下文的開放權重模型，而所有數字都沒有第三方複現。

本篇出自 2026年8月30日 晨報

本報 8 月 28 日那期講過 GLM-5.3-Flash 的定價與效率之分；今天新的是它的旗艦版開權重，加上另外兩家的同期發布。規格的格式是「總參數／活躍參數」，三款都是 100 萬上下文：Z.ai（智譜）的 GLM-5.3 是 7,440 億／400 億（Z.ai；規格由開源推論服務框架 vLLM 給出）；騰訊混元的 Hy4-preview 是 7,700 億／490 億（騰訊混元）；阿里巴巴的 Qwen3.8-Flash 是 1,250 億／60 億，每百萬字輸入 0.15 美元、輸出 0.47 美元（阿里 Qwen）。那兩個數一定要並列：這類模型每個字只喚醒一小部分子網路，總參數決定你要準備多少記憶體，活躍參數決定你每個字付多少運算——只報其中一個就是誤導。

同類最新

• 模型觀點 2026年9月4日 1 條來源

  一篇 OpenAI 論文的承重發現，被同一家公司八個半月後的系統卡對衝掉。

  2025 年 12 月 20 日，OpenAI 發表〈Monitoring Monitorability〉，把「思維鏈好不好監控」做成可量測指標，最關鍵的發現之一逐字是「RL op…

• 模型觀點 2026年9月4日 2 條來源

  三家自證用的那把尺，量的是「重現一個你已經被告知的漏洞」。

  CyberGym 是柏克萊團隊做的公開測驗，收了 1,507 個真實漏洞、涵蓋 188 個開源專案，資料來自 Google 維運的開源模糊測試平台 OSS-Fuzz，所以那些漏洞天…

• 模型觀點 2026年9月3日 1 條來源

  有人把一款部署中的模型權重整個拆開實測，推翻了一個業界常用的省錢假設。

  先解釋：現在的大模型多半是專家混合架構，不是每個字都跑整個大模型，而是把每個字分派給少數幾個專門的子模型，所以模型可以很大而每次只用一小塊算力。工程上常見的省錢做法是「把最不重要的…

• 模型觀點 2026年9月2日 1 條來源

  有人拿心理計量學的工具去拆評測，發現「安全評測」裡有一半在量推理。

  美國艾倫人工智慧研究院 9 月 1 日發表 BenchMIRT，用試題反應理論的多維版本逐題拆一個評測到底在量什麼，這套方法本來是心理測驗用來從答題模式估能力的。它吃了 100 個…