[馬斯克] 網友:中國大模型何時達到Fable級別?馬斯克回復了
時間表之爭：從7個月到"不需要那麼久"
爭論的起點來自Teortaxes對GLM-5.2性能位置的判斷。
他認為，GLM-5.2整體能力處於Opus 4.7至4.8區間，他表示Opus的視覺能力本身較弱，綜合考慮視覺能力後中國大模型差距大致為7個月。
他的推算邏輯是，Mythos模型於2026年2月初達到Preview狀態（即≥Opus 4.8的功能水平），以此類推，中國模型達到完整"Fable"級別的時間窗口約在2026年11月至12月。
馬斯克的判斷則更為保守，僅以"Probably Q1"回應，對應2027年壹季度。
但他隨後補充了壹個重要分層：在基准測試層面，追趕進展或許確實令人印象深刻；而以"真實實用性"衡量，即便到Q1也已相當不易。
他點名Anthropic的優勢正在於專注於提升真實智能，這種能力不顯現在基准分數上，但直接反映在營收上。
對於馬斯克的言論，有AI業內人士認為，馬斯克的預測相對保守，中美模型水平的時間差可能短於7個月。
谷歌DeepMind首席執行官德米斯·哈薩比斯此前也表示，中國的人工智能模型在能力上可能“只差幾個月”就能趕上海外。
唐傑的回復則更為簡短直接："won't take that long"——不需要那麼久。這壹表態隱含了智譜對自身迭代速度的信心，但並未給出具體時間節點。
AI研究機構Proximal評價稱，GLM-5.2是"第壹個真正縮小了Anthropic/OpenAI與其他模型提供商之間巨大技術鴻溝的模型"。
GLM-5.2的技術坐標：逼近閉源前沿，差距仍存
圍繞這場時間表討論，GLM-5.2的技術指標是核心依據。
6月15日，智譜宣布正式上線並開源新壹代旗艦大模型GLM-5.2。在全球百萬用戶參與盲測的前端開發評估系統Code Arena上，該模型位列全球可用模型第壹位。
與以往主打即時問答能力的模型不同，GLM-5.2主攻“長程任務”——讓AI不再只做即時問答，而能像人壹樣連續工作數小時、自主跑完壹個完整的大型工程。
根據發布數據，GLM-5.2參數規模為753B，配備1M token穩定上下文窗口，采用MIT協議完全開源。
在長程編程基准FrontierSWE上，GLM-5.2得分74.4，Opus 4.8為75.1，差距約1個百分點，同時超過GPT-5.5的72.6以及Opus 4.7。
在PostTrainBench（測試Agent訓練小模型能力）上，GLM-5.2以34.3分排名第贰，僅次於Opus 4.8的37.2，高於GPT-5.5的28.4。
[加西網正招聘多名全職sales 待遇優]
無評論不新聞，發表壹下您的意見吧
爭論的起點來自Teortaxes對GLM-5.2性能位置的判斷。
他認為，GLM-5.2整體能力處於Opus 4.7至4.8區間，他表示Opus的視覺能力本身較弱，綜合考慮視覺能力後中國大模型差距大致為7個月。
他的推算邏輯是，Mythos模型於2026年2月初達到Preview狀態（即≥Opus 4.8的功能水平），以此類推，中國模型達到完整"Fable"級別的時間窗口約在2026年11月至12月。
馬斯克的判斷則更為保守，僅以"Probably Q1"回應，對應2027年壹季度。
但他隨後補充了壹個重要分層：在基准測試層面，追趕進展或許確實令人印象深刻；而以"真實實用性"衡量，即便到Q1也已相當不易。
他點名Anthropic的優勢正在於專注於提升真實智能，這種能力不顯現在基准分數上，但直接反映在營收上。
對於馬斯克的言論，有AI業內人士認為，馬斯克的預測相對保守，中美模型水平的時間差可能短於7個月。
谷歌DeepMind首席執行官德米斯·哈薩比斯此前也表示，中國的人工智能模型在能力上可能“只差幾個月”就能趕上海外。
唐傑的回復則更為簡短直接："won't take that long"——不需要那麼久。這壹表態隱含了智譜對自身迭代速度的信心，但並未給出具體時間節點。
AI研究機構Proximal評價稱，GLM-5.2是"第壹個真正縮小了Anthropic/OpenAI與其他模型提供商之間巨大技術鴻溝的模型"。
GLM-5.2的技術坐標：逼近閉源前沿，差距仍存
圍繞這場時間表討論，GLM-5.2的技術指標是核心依據。
6月15日，智譜宣布正式上線並開源新壹代旗艦大模型GLM-5.2。在全球百萬用戶參與盲測的前端開發評估系統Code Arena上，該模型位列全球可用模型第壹位。
與以往主打即時問答能力的模型不同，GLM-5.2主攻“長程任務”——讓AI不再只做即時問答，而能像人壹樣連續工作數小時、自主跑完壹個完整的大型工程。
根據發布數據，GLM-5.2參數規模為753B，配備1M token穩定上下文窗口，采用MIT協議完全開源。
在長程編程基准FrontierSWE上，GLM-5.2得分74.4，Opus 4.8為75.1，差距約1個百分點，同時超過GPT-5.5的72.6以及Opus 4.7。
在PostTrainBench（測試Agent訓練小模型能力）上，GLM-5.2以34.3分排名第贰，僅次於Opus 4.8的37.2，高於GPT-5.5的28.4。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: