社区

$宇树科技-W(688836)$ $智谱(02513)$ 本月 22 日，世界物理 AI 大会。宇树科技创始人王兴兴说了一句外行看着平常、内行听着扎心的话：物理 AI 快则一到两年、慢则两三年就有重大突破，最核心的挑战是“模型输入输出能不能与真实机器人对齐”。 翻译成大白话就是：硬件已经就绪了。G1 能后空翻，生产线机器人能搬运分拣，人形机器人的预售页都挂出来了。这个行业现在等的是一个大脑。 大脑从哪来？一个月前，OpenAI 给了一个惊艳又拧巴的答案。9 月发布的 GPT-6-Astra 做了一场实验：模型权重完全冻结、零任务微调，纯靠“读说明书”直接驱动机械臂拧螺丝、操作多指灵巧手、控制宇树 G1，在 12 个仿真基准中拿下 9 个 SOTA，在一百项家务中的任务成功率达到了 37%，而此前最好成绩只有 14.8%。然而，细读评估论文，另一面同样醒目，模型靠的是临场抱佛脚的“知识包”，他们的原话是“用已解决的问题写的小抄”，单回合烧掉百万级 token、耗时一到三小时，真机上九成时间在思考；插插头任务试了 11 次，全部失败。 能力证明了一半，路径暴露了全部。用语言模型外挂工具去“touch”物理世界，每一次交互都在付翻译税。 一、另一条路，藏在一篇论文中 就在行业为 GPT-6-Astra 激辩的两周前，一篇来自中国研究团队的论文挂上了 arXiv。 10 月 15 日，来自清华大学与智谱的联合团队发表了题为《Can Visual Generation Expand What Unified Multimodal Models Know?》的论文，其中透露了一个从未公开的内部模型 GLM-Omni，回答了

$智谱(02513)$ $阿里巴巴-W(09988)$ $美团-W(03690)$ 昨天，一条关于智谱下一代模型的专家访谈内容在社区内疯传，我也跟风看了一下，真心觉得智谱在下一盘大棋。 趁热打铁，我把国内各模型厂商最近给出的 T 级别参数模型信息排成一列，阶梯感非常清晰：DeepSeek V4 Pro 1.6T，美团 LongCat-2.0 1.6T，Qwen3.8 Max 2.4T，Kimi K3 2.8T，智谱 GLM-5.5 的传闻区间 2.5-3.5T，再往后是各家嘴上不说、案头都摆着的 5 万亿。竞赛没有停，但看点已经悄悄换了一轮。 各家旗舰总参数阶梯（万亿）；斜纹为智谱传闻区间，虚线为 5 万亿传闻目标 一、1.6万亿是个行业均衡点 DeepSeek V4 Pro（1.6T 总参、49B 激活、1M 上下文）和 LongCat-2.0（1.6T、约 48B 激活、动态范围 33B～56B、1M 上下文）规格几乎重合。两家独立决策撞在同一档位，大概率不是心有灵犀，而是训练成本、推理成本和工程风险在这个规模附近达成了某种共识。 但两家的处境差很有信息量。DeepSeek 这边，4 月预览版上线时官方就把话说透了：受限于高端算力，Pro 的吞吐十分有限，要等** 950 超节点批量上市才能大幅降价；8 月正式版把 DeepSWE 从 12.8 拉到 62.7，证明模型本身在往上走，但 API 降价的预期被涨价预告取代。值得注意的工程细节是，V4 Pro 几乎是按** 950 的规格反向设计的：单卡 144GB HBM 可以放下

$智谱(02513)$ 23 个 Windows 漏洞获微软致谢，其中 CVE-2026-97816 拿到 CVSS 9.8。从技术角度把这个事件拆开，能看到 AI 挖洞在 2026 年的真实水位。 这个漏洞本身的难度 CVE-2026-97816 是 OpenSSH for Windows 组件的释放后使用（UAF）漏洞。UAF 类内存安全问题的挖掘难度在漏洞研究里排上层：触发路径埋得深，崩溃不等于可利用，需要精确理解对象的生命周期和内存布局。这个漏洞的攻击面尤其宽：网络可达即可远程执行代码，零权限，零交互。CVSS 的 9.8 分就是这么算出来的：攻击向量网络、攻击复杂度低、无需权限、无需交互、影响范围全部变更。行业里对这类漏洞有个通俗的说法，"开门钥匙"，拿到就能进。 模型在其中干了什么 Blue Initiative 的致谢署名是 "Yuki Chen using GLM from z.ai"，人类研究者主导，模型作为核心工具。这种分工下模型的贡献集中在三块。第一块，规模化代码审计：Windows 系统组件的代码量超出人力逐行审查的极限，模型可以不知疲倦地过。第二块，可疑模式定位与假设生成：UAF 的本质是对象生命周期管理错误，模型追踪分配、引用、释放的链路，标记出生命周期与引用不匹配的可疑点，生成待验证假设。第三块，多轮推演：从可疑点到可触发、可利用的完整路径，中间是大量的试错迭代，模型在沙箱里反复跑，人负责判断哪条路值得继续。 为什么 GLM 能干这个？ 能力不是凭空的。GLM-5.3 公开过的训练细节：后训练加入漏洞发现数据和获得授权的安全环境，CyberGym 成绩 84.5%（基于源码识别并验证漏洞）。更早的第三方数据：GLM-5.2 在 Semgrep 的 IDOR 测试里