Qwen 3.8 And GLM 5.3 Just Embarrassed The Closed Labs!
三句話摘要
2026年AI開源與商用模型三大突破：Qwen本地高性能、GLM後訓練提升、ChatGPT性能優化。 開源本地高效模型與後訓練工程成為2026年AI競爭的新焦點，誰能同時實現性能、成本和速度的平衡，誰就贏得市場。 開源本地化是競爭新方向：Qwen 3.8在獲得Opus 4.8級推理能力的同時實現本地部署，打破了高性能必須靠雲端的假設，6個月內超30億下載量已超越Meta和Google，迫使頭部廠商正視本地模型這條產品線。
重點整理
重點- 1
開源本地化是競爭新方向：Qwen 3.8在獲得Opus 4.8級推理能力的同時實現本地部署，打破了高性能必須靠雲端的假設，6個月內超30億下載量已超越Meta和Google，迫使頭部廠商正視本地模型這條產品線。
- 2
後訓練工程價值被低估：GLM 5.3無需新基礎架構，單靠優質後訓練就將Terminal Bench從4.6躍升到28.3，證明基礎模型已不是瓶頸，訓練工程與資料策略才是差異化因素。
- 3
性能基準與實際體驗存在鴻溝：GLM 5.3在基準測試表現亮眼，但同一任務比Gemini 3.7 Flash慢10倍（1小時vs 10分鐘），說明高分不代表好用，系統優化才是使用者最關心的。
- 4
中國開源團隊成為創新引擎：Qwen與DeepSeek是目前唯一專注本地高效模型的實驗室，與此同時OpenAI和Google仍主推雲端大模型，形成產品策略差異。
實用技巧與重點
乾貨- Qwen 3.8 規格與性能：
- 參數量：27億
- 推理編程基準：73（Opus 4.6 Max 78.2）
- 智能體編程、深度軟體工程測試：優於Opus 4.6
- 軟體工程基準：79
- 運算需求：4位量化13.5GB、舒適運行48GB、可裝入16GB MacBook Air
- 下載量：6個月超30億次（全球第一，超Meta、Google）
- GLM 5.3 基準數據：
- 改進方式：Post-training改進GLM 5.2（無新基礎模型）
- 網絡安全基準：84.5分（優於Grok 3，逼近Fable 5、GPT 5.60）
- Terminal Bench：28.3（GLM 5.2為4.6）
- 弱點：UI/設計能力不如Anthropic模型、編碼速度慢
- ChatGPT/Codex 即將優化（下週發布）：
- 長對話處理速度提升94%
- 對話渲染減少87.8%
- 應用內存增長減少41.2%
- API請求減少98.2%
- 轉錄項目加載減少99.6%
- 實際性能對比：
- 同一任務 Gemini 3.7 Flash（10分鐘）vs GLM 5.3（1小時）
結論
結論“開源本地高效模型與後訓練工程成為2026年AI競爭的新焦點，誰能同時實現性能、成本和速度的平衡，誰就贏得市場。”
完整解析
詳細今年AI產業出現了三股值得關注的動向。首先是Alibaba的Qwen團隊昨日發布了3.8版本的開源權重，這個27億參數的模型實現了Opus 4.8級別的推理性能，但關鍵突破在於它可以運行在個人電腦和MacBook上。從基準測試來看，Qwen 3.8在推理編程達73分（Opus 4.6 Max為78.2），在智能體編程和深度軟體工程測試中甚至優於Opus 4.6。具體運算需求方面，4位量化版本只需13.5GB顯存，舒適運行需48GB記憶體，有人測試發現甚至可以塞進16GB的MacBook Air。這意味著使用者不必付費調用API，可以在本地免費運行Opus級別的模型，降低了AI應用的門檻。
這個成功也反映在下載數據上——Qwen模型在過去6個月超過30億次全球下載，已經超越Meta和Google成為世界第一的開源模型。這對頭部廠商造成了壓力，因為它證明了本地高效模型是一條可行且具有市場需求的產品線。當前專注於此方向的實驗室只有Qwen和DeepSeek，而Meta和Google似乎仍在押注更大的雲端模型。
與此同時，智譜清言（Z.AI）昨日發布了GLM 5.3，作為他們最新的編碼和智能體模型。值得注意的是，這次改進完全來自後訓練——他們沒有換新基礎模型，只是在GLM 5.2基礎上進行優質後訓練，就讓Terminal Bench從4.6躍升到28.3，這次改進特別強化了網絡安全領域，基準分達到84.5，優於Grok 3且逼近Fable 5和GPT 5.60。GLM 5.3的這個案例説明後訓練的價值被長期低估了——在基礎模型已經足夠強大的今天，訓練工程和資料策略往往決定了模型的最終表現。
然而，GLM 5.3也暴露了一個問題：高基準分不等於好體驗。有人用相同提示分別調用Gemini 3.7 Flash和GLM 5.3，前者10分鐘完成，後者耗時1小時，儘管結果質量接近，但這個速度差異讓GLM 5.3在實際應用中大打折扣。值得慶幸的是，OpenAI也意識到了性能優化的重要性——Andrew Emerson確認ChatGPT和Codex下週將獲得重大性能更新，針對長文本對話的處理速度提升94%，同時應用記憶體負擔降低41.2%，API請求減少98.2%。這些優化説明在模型能力趨同的時代，使用者體驗和系統效率才是真正的競爭力。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
