[马斯克] 网友:中国大模型何时达到Fable级别?马斯克回复了
时间表之争：从7个月到"不需要那么久"
争论的起点来自Teortaxes对GLM-5.2性能位置的判断。
他认为，GLM-5.2整体能力处于Opus 4.7至4.8区间，他表示Opus的视觉能力本身较弱，综合考虑视觉能力后中国大模型差距大致为7个月。
他的推算逻辑是，Mythos模型于2026年2月初达到Preview状态（即≥Opus 4.8的功能水平），以此类推，中国模型达到完整"Fable"级别的时间窗口约在2026年11月至12月。
马斯克的判断则更为保守，仅以"Probably Q1"回应，对应2027年一季度。
但他随后补充了一个重要分层：在基准测试层面，追赶进展或许确实令人印象深刻；而以"真实实用性"衡量，即便到Q1也已相当不易。
他点名Anthropic的优势正在于专注于提升真实智能，这种能力不显现在基准分数上，但直接反映在营收上。
对于马斯克的言论，有AI业内人士认为，马斯克的预测相对保守，中美模型水平的时间差可能短于7个月。
谷歌DeepMind首席执行官德米斯·哈萨比斯此前也表示，中国的人工智能模型在能力上可能“只差几个月”就能赶上海外。
唐杰的回复则更为简短直接："won't take that long"——不需要那么久。这一表态隐含了智谱对自身迭代速度的信心，但并未给出具体时间节点。
AI研究机构Proximal评价称，GLM-5.2是"第一个真正缩小了Anthropic/OpenAI与其他模型提供商之间巨大技术鸿沟的模型"。
GLM-5.2的技术坐标：逼近闭源前沿，差距仍存
围绕这场时间表讨论，GLM-5.2的技术指标是核心依据。
6月15日，智谱宣布正式上线并开源新一代旗舰大模型GLM-5.2。在全球百万用户参与盲测的前端开发评估系统Code Arena上，该模型位列全球可用模型第一位。
与以往主打即时问答能力的模型不同，GLM-5.2主攻“长程任务”——让AI不再只做即时问答，而能像人一样连续工作数小时、自主跑完一个完整的大型工程。
根据发布数据，GLM-5.2参数规模为753B，配备1M token稳定上下文窗口，采用MIT协议完全开源。
在长程编程基准FrontierSWE上，GLM-5.2得分74.4，Opus 4.8为75.1，差距约1个百分点，同时超过GPT-5.5的72.6以及Opus 4.7。
在PostTrainBench（测试Agent训练小模型能力）上，GLM-5.2以34.3分排名第二，仅次于Opus 4.8的37.2，高于GPT-5.5的28.4。
[物价飞涨的时候 这样省钱购物很爽]
这条新闻还没有人评论喔，等着您的高见呢
争论的起点来自Teortaxes对GLM-5.2性能位置的判断。
他认为，GLM-5.2整体能力处于Opus 4.7至4.8区间，他表示Opus的视觉能力本身较弱，综合考虑视觉能力后中国大模型差距大致为7个月。
他的推算逻辑是，Mythos模型于2026年2月初达到Preview状态（即≥Opus 4.8的功能水平），以此类推，中国模型达到完整"Fable"级别的时间窗口约在2026年11月至12月。
马斯克的判断则更为保守，仅以"Probably Q1"回应，对应2027年一季度。
但他随后补充了一个重要分层：在基准测试层面，追赶进展或许确实令人印象深刻；而以"真实实用性"衡量，即便到Q1也已相当不易。
他点名Anthropic的优势正在于专注于提升真实智能，这种能力不显现在基准分数上，但直接反映在营收上。
对于马斯克的言论，有AI业内人士认为，马斯克的预测相对保守，中美模型水平的时间差可能短于7个月。
谷歌DeepMind首席执行官德米斯·哈萨比斯此前也表示，中国的人工智能模型在能力上可能“只差几个月”就能赶上海外。
唐杰的回复则更为简短直接："won't take that long"——不需要那么久。这一表态隐含了智谱对自身迭代速度的信心，但并未给出具体时间节点。
AI研究机构Proximal评价称，GLM-5.2是"第一个真正缩小了Anthropic/OpenAI与其他模型提供商之间巨大技术鸿沟的模型"。
GLM-5.2的技术坐标：逼近闭源前沿，差距仍存
围绕这场时间表讨论，GLM-5.2的技术指标是核心依据。
6月15日，智谱宣布正式上线并开源新一代旗舰大模型GLM-5.2。在全球百万用户参与盲测的前端开发评估系统Code Arena上，该模型位列全球可用模型第一位。
与以往主打即时问答能力的模型不同，GLM-5.2主攻“长程任务”——让AI不再只做即时问答，而能像人一样连续工作数小时、自主跑完一个完整的大型工程。
根据发布数据，GLM-5.2参数规模为753B，配备1M token稳定上下文窗口，采用MIT协议完全开源。
在长程编程基准FrontierSWE上，GLM-5.2得分74.4，Opus 4.8为75.1，差距约1个百分点，同时超过GPT-5.5的72.6以及Opus 4.7。
在PostTrainBench（测试Agent训练小模型能力）上，GLM-5.2以34.3分排名第二，仅次于Opus 4.8的37.2，高于GPT-5.5的28.4。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: