正好上周（10月27日），MiniMax 公司发布了[2] M2 模型，代表了国产大模型的最新水平。我就想，可以测测它的实战效果，跟智谱公司的 GLM 4.6 和 Anthropic 公司的 Claude Sonnet 4.5 对比一下。毕竟它们都属于目前最先进的编程大模型，跟我们开发者切身相关。
国庆长假，AI 大模型献礼的方式是一波接一波的更新。OpenAI 突然发布 Sora2，DeepSeek 更新了 V3.2，智谱更新了 GLM-4.6，Kimi 则是更新了 App，然后默默在自己的版本记录里面，写下了这句话。
核心速递： GLM-4.6 发布，榜单排名提升，价格不变 实测效果对齐 Claude 4，超越其他国产模型 GLM 开发者包月套餐升级，1/7 价格取得 Claude 4 9/10 的效果，值得使用
昨天，深度求索刚刚开源 DeepSeek-V3.2-Exp。今天，另一国产大模型之光智谱 AI 也正式发布了旗下新一代旗舰模型 GLM-4.6，刚好撞车 Claude Sonnet 4.5。但有一点不同，智谱的 GLM-4.6 会继续开源，它即将上线 Hugging Face、ModelScope 等平台，遵循 MIT 协议。
这项名为 MachineLearningLM 的新研究突破了这一瓶颈。该研究提出了一种轻量且可移植的「继续预训练」框架，无需下游微调即可直接通过上下文学习上千条示例，在金融、健康、生物信息、物理等等多个领域的二分类 / 多分类任务中的准确率显著超越基准模型（Qwen-2.5-7B-Instruct）以及最新发布的 GPT-5-mini。
这段时间 AI 编程的热度完全没退，一个原因是国内接连推出开源了不少针对编程优化的大模型，主打长上下文、Agent 智能体、工具调用，几乎成了标配，成了 Claude Code 的国产替代，比如 GLM-4.5、DeepSeek V3.1、Kimi K2。
进入 2025 年，GUI Agent 赛道热度逐渐抬升 —— OpenAI 推出 Operator 并发布了 ChatGPT Agent，字节则发布了 UI-TARS-1.5 定位 GUI 开源方案。但大多数产品依然依赖本地执行，难以 24h 稳定运行。
就在刚刚，全球首个手机通用Agent，来了！
智谱今天，终于发了AutoGLM2.0。 想一想，AutoGLM1.0的版本，距离我第一次首发写他们，已经过去快10个月了。
作者测试了智谱GLM-4.5V（开启/关闭推理）、豆包、Kimi、元宝和ChatGPT-5在识别十张奇葩卫生间标识上的表现。评测模拟紧急如厕场景，按识别正确性评分。结果智谱普通模式得分最高（86分），ChatGPT-5和智谱推理模式次之（78分），豆包和元宝70分，Kimi垫底（38分），揭示了各AI视觉能力的差异及局限性。
