GLM-5 开源权重第一、大 AI 游说破亿、AI 预测疾病、更快推理
本期要点：GLM-5 登顶开源权重 LLM、美国大型科技 2025 游说支出首破 1 亿美元、SleepFM 用睡眠信号预测 130+ 疾病、Liquid AI 1.2B 模型 900MB 内存运行。
编者按：AI 会创造新岗位
作者：Andrew Ng
Ng 女儿 Nova 7 岁生日时，用 Gemini Nano Banana 设计了一个猫主题黄色蛋糕，再让烘焙师用海绵蛋糕和糖霜制作——女儿很开心，还给烘焙师创造了额外工作。
AI 与就业的核心观点
- 社会有道义责任照顾生计受 AI 影响的人
- 同时看到大量让人们承担新工作和拓展职责的机会
- 历史规律：创造释放人类创造力的工具历来产生大量新有意义的工作
- AI 增长对许多数字服务的需求——编码 Agents 让 Ng 自己每天做远超过去的网络搜索量
- 如果每位开发者效率提高 10x，Ng 不相信开发者人数会变成 1/10——定制软件需求无实际上限，开发者人数会大规模增长
Ng 确信基于 Nova 蛋糕的经验：AI 会让我们的生活更好！
GLM-5：开源权重新王者
智谱（Z.ai）将旗舰 LLM 规模翻倍以上，在开源权重模型中脱颖而出。
核心规格
- 架构：MoE Transformer（744B 总参数 / 每 token 40B 激活）
- 上下文：输入 200K token，输出 128K token
- 预训练数据：28.5 万亿 token（GLM-4.5 是 23T）
- 许可证：MIT，商用友好
- API 价格：$1.00/$0.20/$3.20 每百万输入/缓存/输出 token
性能表现
| 基准 | GLM-5 排名 |
|---|---|
| Artificial Analysis Intelligence Index | 开源第 1（50 分），超过 Kimi K2.5（47 分） |
| τ²-Bench Telecom | 98% |
| Vending Bench 2 | 开源第 1 |
| Chatbot Code Arena | 开源第 1（1449 Elo），总榜第 6 |
关键技术
- 后训练用 slime（开源 RL 软件）
- DeepSeek 稀疏注意力降低长上下文计算
GLM-5 几乎匹配 Claude Opus 4.6 和 GPT-5.2等闭源前沿模型。
GLM-5 几乎匹配 Claude Opus 4.6 和 GPT-5.2 表明开源权重的顶尖模型已逼近闭源前沿。
大 AI 公司 2025 游说支出首破 1 亿美元
顶级科技和 AI 公司2025 年花费超 1 亿美元影响政府政策——首次突破这一门槛。
主要游说者
| 公司 | 2025 游说支出 |
|---|---|
| Meta | $2,629 万（行业最高） |
| Amazon | $1,789 万 |
| Alphabet | $1,310 万 |
| Microsoft | $936 万 |
| Nvidia | $490 万（2024 的 7 倍） |
科技友好政策
- Meta、OpenAI、Andreessen Horowitz 反对州级 AI 监管
- Nvidia 游说预算增加，总统放松并解除对华芯片出口禁令
- OpenAI 寻求白宫支持 Stargate 数据中心计划
- Apple 产品获关税豁免，换取 $6,000 亿国内制造承诺
AI 巨头升级努力预示着监管环境将更精简，同时它们在其中的权力会更集中。
Liquid AI 边缘推理：1.2B 模型 900MB 内存
Liquid AI 发布 LFM2.5-1.2B-Thinking——专为小型设备设计的推理模型。
核心规格
- 架构：Transformer + 卷积混合，1.17B 参数
- 内存：< 900MB
- 上下文：输入 32K token
关键技术
- 混合 attention 层和卷积层（卷积层用更少计算和内存）
- 28 万亿 token 预训练
- 分阶段训练：mid-training 引入逐步推理数据 → 监督微调合成推理数据 → RL 阶段生成 25 个版本合并
性能对比（vs 同尺寸或更大模型）
| 模型 | 结果 |
|---|---|
| Qwen3-1.7B | 多数基准匹配或超越 |
| Gemma 3 1B IT | 超越 |
| IBM Granite-4.0-1B 变体 | 超越 |
| Llama 3.2 1B Instruct | 超越 |
| 推理速度 | 约 2x Qwen3-1.7B，内存少 45% |
劣势：幻觉率高于竞品。Liquid AI 建议不用于知识密集型任务和编程。
LFM2.5-1.2B-Thinking 适合驱动本地设备的 Agents，编排工具调用或查询本地数据库。
SleepFM 用睡眠信号预测疾病
研究者用睡眠研究数据检测心脏病、阿尔茨海默症等疾病，最早比症状出现早 6 年。
核心能力
- 输入一晚睡眠录音，输出疾病分类
- 可分类 130+ 疾病
- 架构：CNN 编码器 + Transformer + LSTM
- 训练数据：~585,000 小时睡眠研究录音
训练流程
- 第一阶段：CNN + Transformer 一起训练，产生各信号嵌入
- 第二阶段：LSTM 单独训练，基于 9 小时睡眠数据 + 年龄 + 性别分类 1000+ 疾病
结果
| 疾病 | AUC |
|---|---|
| PTSD | 0.75（无预训练 0.64） |
| 房颤（SHHS 数据集） | 0.81 |
这种应用能提供严重疾病早期预警，让人们在疾病发展前采取预防措施。
本期要点回顾：GLM-5 登顶开源权重 LLM（744B MoE，50 分 Intelligence Index）、美国大 AI 公司 2025 游说支出首破 1 亿美元（Meta $2,629 万居首）、SleepFM 用睡眠信号预测 130+ 疾病、Liquid AI 1.2B 模型 900MB 内存运行——开源模型竞争、AI 政策博弈、医疗 AI、边缘推理四条主线并行。Ng 坚信 AI 会创造更多新工作而非取代。