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
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11