CAISI 评测智谱 GLM-5.2
terryyuezhuo · x · 2026-07-20
CAISI 对智谱 GLM-5.2 的评测被提到是“夹在 Kimi 资讯里容易被忽略”的一条更新。
- 配图展示了多个模型在 ExploitBench 和 CTF Archive Diamond 上的 cyber capability 对比，包含 Mythos Preview、Opus 4.8、GPT-5.5、DeepSeek V4 Pro 等。
- 图中 GLM-5.2 在 ExploitBench 上标为 21%，GPT-5.5 为 41%，Mythos Preview 为 57%。
- 在 CTF Archive Diamond 上，GLM-5.2 标为 39%，GPT-5.5 为 71%，DeepSeek V4 Pro 为 32%。
- 另一张图还显示，模型从 SFT 继续做 RL 后，在已见/未见组合上的准确率都有明显提升，尤其未见组合提升幅度更大。
「模型」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27