模型的各项评分非常高，位于国产模型第一梯队，而且团队非常年轻，研发成员里大约2/3都是在校的本科生、硕士生和博士生，来自复旦、人大、中科院软件所、中科院自动化所、北大、上交大、哈工大、华东师范等高校，未来大有可为。

【模型放缓？你可能理解错了】 现阶段的算力、电力和数据中心，已经接不住下一轮能力跃迁。训练一个更强的模型，当然还能堆钱、堆卡、堆人；但真正困难的是：训练完以后，谁来为几十亿人的日常调用买单？你以为 20 美元订阅就能无限拥抱 AGI？现实是，复杂一点的任务，两句话可能就把你一个月的高阶额度烧掉；即使是 200 美元档，也未必扛得住一天高强度使用。 所以，接下来行业表面上看起来模型会“放缓”，但不是没有新模型，而是更少公开、更多内测；不是不继续训练，而是把突破留在实验室、企业客户和封闭产品里。 每年某一天，他们会突然放出一个 Demo。 然后所有人盯着屏幕沉默几秒，跑来X发帖子： “看完这个 Demo，我直接瘫坐在椅子上，仿佛看到核弹爆炸，久久不能平静。”

模型能力快速提升，会让传统的工业能力大众化（贬值）速度越来越快 工业革命让农业从gdp占比超过50%的第一产业变成不到5%用了100年 ai革命可能会让工业这个第二产业经历同样的过程，只是可能时间是10年

模型厂商进入了红皇后效应的博弈局面：「落后即死」。 大家觉得太快有点晕车，想踩一脚刹车也不行，这个局面不允许。 只有拼命奔跑，才能继续活在牌桌上。

模型 Coding 能力的竞争，应该要结束了。 说实话，本来我对 GLM 5.3 没有抱太高的预期，毕竟这段时间，其他几个开源模型都已经把参数追到了 1T 之上.....而 GLM 5.3 仍然只有 700 多 B。差距很大。 但我今天我拿到体验资格，测试了六个多小时。坦诚的跟大家说，纯体感，我觉得 GLM-5.3 应该又继续回到了开源模型 SOTA 老大哥的位置了。 注意，只是我的体感。 我看智谱在博客里还是很低调，挺好的，国模也越来越有自信。不一定非得炸炸呼呼。 就像当年明月说的那样，张牙舞爪的人，往往是脆弱的。因为真正强大的人，是自信的，自信就会温和，温和就会坚定。 我不知道大家怎么看这些事，现在的几个头部模型，包括 GPT-5.6 和 Opus 5 在内，我已经很难再通过具体任务去分出孰强孰弱了。 只有在某个模型明显掉链子的时候，我才会一下子感觉出来差距。否则在大多数任务里，基本很难靠一两个 Case 立分高下。 我还是再说下 GLM 5.3 的基本情况，以免很多同学不知道： 1）整体模型架构没变。 2）总参数没变。 3）所有的优化全部来自后训练。 我真的预期 GLM 5.3 会把参数提升到 1T，没想到，居然没变。所以确实也如大家所说，智谱是后训练之王。 换个角度，如果智谱是要到 GLM 6 的时候才会把参数做到 1T 开外，那未来还是有很大的想象空间。 上午跟朋友讨论 LLM，我说我预判到了明年，Coding 这场模型战争可能真的快打完了。 因为就像我刚才所说，发展到现在，大部分任务中，几个头部的开源模型和闭源模型，大家已经是有来有回了。没有谁是碾压式的领先。 包括 Fable 5，如果用多了，我真感觉没那么玄乎，它最强的地方我觉得还是前端，给一个模糊的提示词，Fable 经常能自己发挥，做出审美和完成度都非常高的页面。后端方面，和 GLM 5.3、GLM 5.6 有明显差别吗？没有。根本没有。 所以，我感觉按照现在这个追赶速度，再往后跑个一年，Coding 这事上，几个头部模型的差距还能有多大？ 或者最最头部的模型，还能强到哪里？我现在是打个问号的。

模型已经学会两项技能，能不能把它们直接组合成一项新能力？ Google 团队这篇 SkillSmith，尝试让 LLM 同时读取任务说明和已有的 prefix weights，再为新任务生成一组新的参数技能。 比如模型已经学过翻译和法律文本分析，面对另一种语言的法律任务时，SkillSmith 会理解两项技能之间的关系，再合成更适合当前任务的新权重。 过去，经验可以写进 Prompt 和记忆，也可以通过微调存进参数。SkillSmith 把两种形式连接起来，让模型根据文字指令重新组合已有的参数技能。 消融实验中，同时使用文本和权重的效果明显优于只使用其中一种。 这篇工作重点是，它让模型权重也变成了一种可以读取、理解和组合的经验。 以后 Agent 积累技能，可能既会记录「学到了什么」，也会保存「已经学会怎么做」。 📎 arxiv: