So proud of our security team! They caught, contained & publicly disclosed an attack unlike anything...
开源模型在AI安全防御中发挥关键作用,推动行业透明化协作。
入选理由:GLM5.2开源权重成为防御新型攻击的核心工具
公司
别名:Zai
提供GLM-5.2模型的公司
已跟踪 15 条高相关材料
最近变化
2026-07-22 · 攻击由未发布的前沿模型驱动的自主代理发起
为什么值得关注
Zai_org 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
So proud of our security team! They caught, contained & publicly disclosed an attack unlike anything...
clem 🤗(@ClementDelangue) · 8.5 分
开源模型在AI安全防御中发挥关键作用,推动行业透明化协作。
The frontier gap in agentic frontend coding is closing fast. On Code Arena: Frontend, @Zai_org's GL...
lmarena.ai(@lmarena_ai) · 8.5 分
Zai_org 的 GLM 系列模型在前端编码能力上迅速接近前沿水平,GLM-5.2 (Max) 已经超越 Opus 4.8 并接近 Claude Fable 5。
There’s only one way to find out: https://t.co/Y9fxZCNrbD
Fireworks AI(@FireworksAI_HQ) · 8.5 分
GLM 5.2 在性能和效率上表现优异,接近甚至超越 GPT 5.5 和 Opus 4.8。
已收录 15 条与 Zai_org 相关的内容,按评分排序。
开源模型在AI安全防御中发挥关键作用,推动行业透明化协作。
入选理由:GLM5.2开源权重成为防御新型攻击的核心工具
Zai_org 的 GLM 系列模型在前端编码能力上迅速接近前沿水平,GLM-5.2 (Max) 已经超越 Opus 4.8 并接近 Claude Fable 5。
入选理由:GLM-5.2 (Max) 的代码能力达到 1595,超越 Opus 4.8。
GLM 5.2 在性能和效率上表现优异,接近甚至超越 GPT 5.5 和 Opus 4.8。
入选理由:GLM 5.2 在处理长上下文和复杂任务时表现出色。
Agent Arena 通过因果追踪方法量化人类与 AI 协作的价值,并发现模型行为的多样性。
入选理由:Agent Arena 使用 5 个信号量化人类与 AI 协作的价值,包括确认成功、表扬与批评等。
Fireworks AI 已上线 GLM 5.2 模型,支持 1M-token 上下文,专注于代码生成,并在多个基准测试中表现优异。
入选理由:GLM 5.2 支持 1M-token 上下文,适用于复杂任务。
Fireworks AI 平台正式支持智谱 GLM 5.1 模型,提供 SFT/DPO 微调能力、200K 超长上下文窗口,专为长周期智能体编程微调优化,RL 训练即将上线。
入选理由:GLM 5.1 已集成至 Fireworks AI 托管与 API 训练工作流
Hugging Face遭遇AI驱动的网络攻击,OpenAI与Zai_org协作应对,揭示前沿模型在攻击中的应用。
入选理由:攻击由未发布的前沿模型驱动的自主代理发起
Perplexity Agent API 现支持 GLM-5.2 模型,适用于长周期编码和智能代理工作流。
入选理由:GLM-5.2 是目前最强的开源模型之一,适用于长周期编码。
GLM 5.2 是目前最先进的开源模型之一,具备高性能、低成本和良好的长上下文处理能力。
入选理由:GLM 5.2 在性能上至少与 Opus 4.8 和 GPT 5.5 相当。
Agent Arena 已上线两周,GLM-5.2 和 Claude Fable 5 表现突出,提供真实任务评估。
入选理由:GLM-5.2 (Max) 在 Agent Arena 中取得 +9.4% 的确认成功和 +14.9% 的赞誉对比。
GLM-5.2 模型已在 OpenRouter 上线,支持 1M-token 上下文窗口,适用于长期复杂任务。
入选理由:GLM-5.2 模型支持 1M-token 上下文窗口。
GLM-5.2模型在编程能力上表现出色,可能对技术领域产生影响。
入选理由:GLM-5.2模型在编程任务中表现优异。
文章对GLM-5.2模型在编程任务上的表现表示高度赞赏,认为其性能显著。
入选理由:GLM-5.2模型在编程任务上表现出色,令人印象深刻。
该推文内容信息密度低,缺乏技术深度和具体信息,无法提供有价值的工程实践或技术见解。
入选理由:推文内容缺乏技术细节和实用信息。
文章内容为社交媒体帖子,信息密度低,未提供具体技术细节或深度分析。
入选理由:文章为推文形式,未提供技术深度内容。