Perplexity 推出 GLM 5.2 编排模型，成本仅为 Opus 三分之一
rohanpaul_ai · x · 2026-07-23
Perplexity 发布了一个面向 Computer 环境的 orchestrator 模型，基于 GLM 5.2 适配并重新训练。它的核心卖点是：在接近前沿模型表现的同时，把单任务成本压到更低。
- 官方称该版本在 Computer harness 上达到接近前沿模型的效果，成本约为 Opus 的 0.344 倍，也就是大约三分之一。
- 在 Terminal-Bench 2.1 上，这套方案拿到 80 分，高于 Opus 4.8 的 76 分 和 GPT-5.5 的 78 分。
- 在 WANDR 上，advisor 版本得分 29，成本约 2.1x 基线；而 Opus 4.8 得分 30，但成本高达 6.1x。
- Perplexity 还说，这个系统部署在美国的 Nvidia B200 GPU 上，并通过内置的 advisor 工具决定何时调用更强模型。
「公司和人」频道最新
- 斯坦福 HAI「以人为本 AI 社会影响」项目已办到第三期 — StanfordHAI · 2026-10-27
- Goodfire 投入 1000 万美元启动 AI 版「人类基因组计划」破解可解释性 — CatAstro_Piyush · 2026-10-27
- 旧金山 Code Engineering 大会聚焦从编码 agent 到软件工厂 — LangChain · 2026-10-27
- Anthropic 自曝：每 9 个月封禁约占营收 5-7% 的客户 — Polymarket · 2026-10-27
- 嘲讽 AI 空头:Ed Zitron 信徒只能靠「必须有 fraud」自洽? — matt_slotnick · 2026-10-27
- American Eagle CMO：让品牌被 ChatGPT 推荐已成团队核心任务 — petesena · 2026-10-27