今天 5 件事：GLM 5.3 在 CyberGym 封頂、DeepSeek 漲價 2.6 倍、token 計價的披薩陷阱、Qwen 3.8 與 Meta Muse Glimmer 領軍的開源週、X 把 For You 推薦演算法整個攤開。
GLM 5.3 摘下 CyberGym 桂冠，兩週後開源
Z.ai 的 GLM 5.3 在安全漏洞挖掘基準 CyberGym 拿下 84.5%，壓過 Anthropic Mythos（83.8%）與 OpenAI GPT-5.6 Sol（83.6%）——中國模型首次在這條基準上登頂。
- 同一個 base model 與 GLM-5.2 完全相同，全部提升來自 post-training scaling
- ExploitBench：24.4% → 54.4%
- ExploitGym：兩小時完成任務 29 → 105
- 權重兩週後以「公共財」姿態開源，MIT 授權
為什麼重要：基座能力的庫存比想像中深，後訓練是下一個主戰場。
圖：CyberGym 榜單
來源：@NuryVittachi（輔證：@kimmonismus 詳解 post-training 增益機制）
DeepSeek V4 Pro 0813：變強，也變貴
新版旗艦在 Artificial Analysis 智慧指數拿 53 分（+8），維持 MIT 開源，仍站在性價比前緣——但計價結構徹底改寫。
- Blended price：+264%
- Cache 命中：舊價約 $0.0037 / 1M → 新價 $0.044 / 1M（12 倍）
- 離峰仍有 50% 折扣
- 新價 2026-08-16 生效——就是今天
為什麼重要：「DeepSeek ＝ 免費午餐」時代收尾。想守住利潤只剩兩張牌：cache 命中與離峰排程。
圖：AA Intelligence Index 對比
來源：@ArtificialAnlys
Tibo：token 計價是披薩陷阱
前 OpenAI 工程師 Tibo 算給你看：同一段文字，GPT-5.6 Sol tokenizer 要 766 tokens，Claude Opus 5 要約 1,170——多付 34.5% 而你帳單上看不出來。
「披薩切 16 片每片比較便宜，但整個餅更貴。每百萬 token 單價不是帳單，每個『成功結果』的價格才是。」
- 跨模型比較計價時，先看 tokenizer 差異
- 『每個成功結果的單價』才是選模型指標，benchmark 只是起點
- 自家工作流的真實成本要自己測，不能看型錄價
為什麼重要：當開發者嫌 Opus 5 貴時，很可能不是 5 貴，而是它的 tokenizer 比較不經濟。
圖：tokenizer 比較
來源：@thsottiaux
開源洪流倒數：Qwen 3.8、Muse Glimmer、LTX 2.5
未來兩週有 5+ 個有分量的開源權重排隊釋出：
- Qwen3.8 2.4T A95B 權重已發布，27B 版本倒數
- Meta 超級智慧實驗室首發：Muse Glimmer 30B（直接對標 Gemma 4 31B）
- LTX 2.5、Nemotron-Lighting、DeepSeek V4 Pro 0813
Simon Willison 已在 M5 Max 筆電上跑 Qwen 3.7 27B（17GB GGUF），畫出他看過最好的 pelican on a bicycle——本地推論的實用性已經到位。
為什麼重要：兩個超大玩家（Meta 與阿里）同步加碼，「本地能跑的頂級模型」這個賽道正式開打。
來源：@simonw（輔證：@analogalok、@kimmonismus）
X 把 For You 演算法真的開源了
xai-org/x-algorithm 釋出的不是白皮書——是真傢伙：
- home-mixer 主排序管線
- Thunder：in-network 排序
- Phoenix：out-of-network 檢索與評分
- visibility filter 的實際權重
- 配「Under the Hood」工具：查自己帳號被貼了什麼標籤
為什麼重要：推薦系統從黑箱變公共財，shadowban 從都市傳說變可驗證的事實。
來源：@BrianRoemmele
結語
Tibo 深夜一句「What's your /goal for the night?」拿了 1,800 讚——前 OpenAI 工程師的產品伏筆，值得追蹤。
No comments yet