GLM-5.2 is the new leading open weights model on Artificial Analysis

智谱 Z.ai 发布 GLM-5 系列首个原生多模态模型 GLM-5.3-Flash：总参数 320B激活参数仅 18B，价格约为前代的十分之一，却在其六个编码与 agentic 基准上全面超过 GLM-5.2（DeepSWE v1.1 得 63.4 对 46.2，AutomationBench 得 48.8 对 26.2），总体接近 Claude Opus 4.8（Z.ai Code Bench 最高努力档 29.0 对 29.5）；在 Artificial Analysis Intelligence Index v4.1.1 上以每任务约 0.045 美元的折扣价拿下 57 分架构上首次引入稀疏加线性的混合注意力，显著降低长上下文服务成本，并用 mHC（流形约束超连接）提升缩放效率...

Artificial Analysis 对 DeepSeek V4 Flash 0731（Reasoning, Max Effort）的综合评测：智能指数 50（全网第 3/101），远超同类型模型中位数 25价格极具竞争力：输入 $0.14/1M tokens输出 $0.28/1M tokens，均低于市场中位数（0.43/1.20）缓存命中价格 $0.003/1M（全网最低，下降 98%）上下文窗口 1M tokens，支持文本输入输出在智能指数评测中产生 210M tokens，冗余度高于中位数的 100M

智谱/Z.ai 将 GLM-5.3 开放权重（HF: zai-org/GLM-5.3）与 GLM-5.2 共用同一底座，全部增益来自后训练：自研 Z.ai Code Bench 提升 50%，Terminal Bench 3.0 开源 SOTA（28.3，GLM-5.2 仅 4.6），Agents' Last Exam 28.5模型卡明示后训练规模化带来涌现网络攻防能力：CyberGym 漏洞发现 SOTA（84.5），利用链基准较 GLM-5.2 翻倍以上（ExploitBench 54.4 vs 24.4，ExploitGym 2h/6h 105/130 vs 29/39）支持 SGLang/vLLM/Transformers 等部署，reasoning_effort 支持 low/high/max 三档默认 max

ScholarCatalyst：衡量检索能启发新研究的论文这一能力的基准184 位近期 CS 论文的第一/lead 作者（覆盖 207 篇论文）通过自动化流水线标注哪些候选文献实际或可能推进了自己的项目，并给出详细理由；任务设定为在项目开始时点可用的文献范围内，给定初始研究问题检索这些论文结果：agentic search（把同一个 embedding 检索器当工具调用）Recall@20 0.42，反而不如纯 embedding 检索的 0.48；即便是训练数据里可能见过这些已完成论文的 Claude Fable 5.1 agent 也只有 0.51说明科学家式嗅探哪篇前作关键仍是 AI 系统的明显短板2026-10-01 提交，cs.AI/cs.CL/cs.IR