找找AI 原创出品
技术
GLM-5.1高速版：400 token/s，把推理引擎重写了一遍
原创标识
400 tokens/s意味着在AI编程场景中，模型可以一边理解工程上下文，一边持续生成代码与修改方案。在需要数十轮调用的重构项目中，彻底消除了累计数分钟的空等。在3D地图实测中，玩家移动角色并输入文字，模型能瞬时完成建模并实时改变场景。目前该服务已通过智谱MaaS平台向部分企业客户开放，未来计划持续扩大服务能力。
核心突破来自TileRT推理引擎。传统主流框架以算子作为基本调度单元，在单token、小batch场景下会被调度、访存与同步开销严重拖累。TileRT彻底抛弃了Runtime层的动态调度，在编译期（AOT）将整个计算图静态编排为一个常驻GPU的persistent Engine Kernel。在单卡内，计算、异步IO与通信被拆解为Tile级微任务，整个推理只Launch一次Kernel，中间结果通过寄存器、Shared Memory和L2 Cache直传，不再写回全局内存——从根本上消除了Kernel Launch的开销和全局内存读写的延迟。
它首次打破了行业长期的隐形天花板——“高性能模型必然高延迟，高速模型只能是轻量级模型”。顺便提一句，你用来跑推理的服务器，如果还在用动态调度的老框架，效率可能已经被甩开了一个代际。
AI问答
国内AI最近犯过什么事儿吗？
说出来你可能不信，已经有人因为AI亏钱而在法院起诉了。
听说AI又在安全上捅娄子了？
这几天的安全新闻一个比一个惊悚。
有没有什么牛X的新模型发布？
看几个硬指标：编程测试SWE-Bench Pro，它直接干到了69.2% ，比GPT-5.5的58.6%高出10个百分点；金融分析测试也是53.9% ，同样领先所有对手。更狠的是，不但性能上去了，快速模式的速度快了一倍多，成本直接砍到原来的三分之一。
不听不听，我就想知道OpenAI权斗和马斯克互撕的大结局是啥？
前CTO Mira Murati出庭作证，对着奥特曼就是一顿锤。她直接在法庭上说，奥特曼在模型安全审批上误导过她，还说此人有个“大招”——给不同高管传递不同版本的事实，让大家谁都没法掌握全貌，决策权永远回到他自己手里。这不是外人瞎编，是亲信在法庭上当着全世界说的。
AI安全最近又出新问题了？听说有人用AI换脸直接盗号了？
对，而且是真事儿，5月30号央视刚曝出来的。一家国内公司好好的账号突然自己发了一篇“即将停更”的公告，后台密码也改了，连法人信息都被人篡改了。最后查出来，是有人伪造了以假乱真的动态“AI人脸”视频，直接骗过了平台的身份验证系统，顺利登陆进去了。
嵌入向量：AI把文字转换成数字的秘密
AI不认识文字，它只认识数字。为了让AI处理语言，第一步必须把每个字或词转换成一串数字，这串数字叫嵌入向量。
微调是怎样让通用模型变成专家模型的
一个通用大模型什么都能聊几句，但让它在某个专业领域表现得像专家，就需要做微调。微调的原理是：在已经训练好的模型基础上，用少量专业数据继续训练一小段时间。
为什么模型越大效果越好？
AI圈有一个经验规律：模型参数量每增加10倍，性能会稳定提升。这被称为规模定律。但为什么大模型就一定更聪明呢？
Transformer中的注意力机制是怎么“注意”的
大模型的核心技术叫注意力机制。简单说，模型在读一段文字时，会给每个词分配不同的“关注程度”。