GLM-5.2即将发布？国产GPU代码大模型MUSA Coder正式开源

GLM-5.2疑似进入内部测试，发布进入倒计时

据B站AI日报社区用户反馈，当尝试在智谱的Coding Plan中调用GLM-5.2模型时，系统返回的报错信息为"无权访问"，而非常见的"模型不存在"。这一细节引发了业内广泛猜测。

从技术角度看，"无权访问"通常意味着模型资源已实际部署于服务端，仅因账户权限不足而无法调用——这与"模型不存在"有本质区别，后者往往代表接口路径无效或模型尚未上线。这一区分背后有严格的工程逻辑：HTTP状态码403（Forbidden）意味着服务端已识别到资源存在但拒绝访问，而404（Not Found）则表示路由层面根本找不到对应资源。大型语言模型平台通常采用灰度发布（Canary Release）策略，即先将模型部署至生产环境并通过权限白名单控制访问范围，待内部测试稳定后再逐步开放公测，既保障服务稳定性，也为官方保留调整窗口期。因此，业内普遍推测GLM-5.2很可能正处于内部测试阶段，正式发布或已进入倒计时。

作为智谱对标国际前沿的旗舰产品线，若GLM-5.2能在代码能力与推理能力上实现新突破，将进一步巩固其在国产大模型第一梯队的地位，并对同类国际产品形成竞争压力。

摩尔线程开源MUSA Coder：国产GPU全栈训练代码大模型

本期最具技术含金量的消息，是摩尔线程正式开源MUSA Coder——一款专为GPU算子生成而设计的代码大模型。

国产全栈训练：战略意义不容忽视

官方将MUSA Coder定位为业内首个基于国产全功能GPU全栈训练的代码大模型。"全栈训练"意味着从底层硬件、训练框架到模型本身，整个链路均构建于国产GPU之上。在当前算力供应链高度敏感的背景下，这种自主可控的训练能力具有重要的战略价值。

值得一提的是，MUSA是摩尔线程基于其自研GPU架构MTT S系列开发的并行计算平台，在API设计上与CUDA高度兼容，旨在降低国产GPU的软件迁移成本——这使得基于MUSA Coder生成的代码具备向主流生态迁移的潜力。

性能表现：垂直领域击败主流商业模型

据官方数据，MUSA Coder 27B版本在专为GPU算子生成能力设计的KernelBench评测基准中，表现超越了Claude Opus等主流商业模型。

KernelBench是由斯坦福大学研究团队发布的专项评测集，与HumanEval、MBPP等通用代码评测基准不同，它聚焦于CUDA/GPU内核代码的正确性与性能优化能力，考察模型能否生成既功能正确又高效运行的并行计算代码——这与MUSA Coder"面向GPU算子生成"的设计定位高度契合。

需要强调的是，GPU算子（Operator/Kernel）是深度学习框架中执行具体计算任务的底层程序单元，例如矩阵乘法、注意力计算、激活函数等。编写高性能GPU算子要求开发者深入理解GPU的线程层级结构、显存访问模式、流水线调度等底层细节，手工优化的算子性能往往比框架自动生成的代码快数倍甚至数十倍。MUSA Coder并非通用代码模型，而是深耕算子优化这一细分场景的专用工具。对于需要手写高性能GPU算子的开发者和研究团队而言，这款开源模型具有相当高的实用价值。

Codex新增邀请机制，速率限制迎来灵活化

Codex近期引入了通过邀请好友重置5小时速率限制的机制，每月最多可使用3次。

这一设计颇具巧思，背后是经典的病毒式增长循环（Viral Growth Loop）逻辑：将用户增长成本与服务使用成本进行对冲——每获取一个新用户带来的长期收益，高于向老用户额外提供几小时计算资源的边际成本。这与Dropbox早年"邀请好友获得额外存储空间"的增长策略如出一辙。"每月限用3次"则是精准的成本控制阀，避免速率限制形同虚设。

此外，Codex移动端同步更新，新增代码分支管理与Token统计两项功能。Token统计功能让开发者能直观掌握用量消耗——随着按量计费模式的普及，开发者对Token消耗的感知需求日益强烈，这一功能在AI编程工具时代尤为实用；移动端支持代码分支管理，则进一步降低了随时随地进行代码协作的门槛。

火山方舟商业化平台上线，周星驰经典IP首批入驻

火山方舟版权商业化平台正式上线，周星驰旗下比高集团的《喜剧之王》《食神》《长江7号》三大经典电影IP成为首批入驻内容。

平台围绕上述IP推出AI创作模板，面向个人及企业用户开放。这标志着AI生成内容正从技术演示走向版权合规的商业化落地。

这一模式的出现有其深刻的行业背景：2023年以来，多起涉及训练数据版权的诉讼（包括《纽约时报》诉OpenAI案）引发行业对版权风险的高度警惕，AIGC的版权合规问题成为产业落地的最大障碍之一。火山方舟平台本质上是构建了一套版权方、平台、创作者三方利益共享的许可机制（Licensing Framework）：版权方通过授权获得收益分成，平台提供技术基础设施，用户在合规框架内进行创作。这与音乐版权领域Spotify与唱片公司的分成协议有相似之处。"授权+模板+创作"的商业模式，为整个AIGC产业的版权难题提供了一个可参考的解决样本。

夸克上线高考志愿填报Agent，全国考生免费使用

夸克官方宣布上线国内首个全周期高考志愿填报Agent，面向全国考生免费提供服务。该Agent基于夸克历年积累的数据与大模型推理能力，提供志愿规划及问答服务。

高考志愿填报是一个信息密集、决策复杂的典型场景，涉及分数、位次、院校、专业、就业前景等多维度因素——恰好是AI Agent的优势所在。与单轮问答型AI助手不同，AI Agent能够感知环境、制定计划并执行多步骤任务：整合多源异构数据（分数线、位次、院校排名、专业就业数据）、根据用户偏好动态调整推荐策略、并在长周期任务中维持状态记忆。"全周期"定位意味着覆盖从查分、估算到填报、录取的完整流程，要求系统具备状态持久化能力和主动提醒机制，而非仅依赖用户发起对话——这也是该场景对大模型推理能力与工具调用能力的综合考验。

资本动向：Google为Anthropic提供350亿美元级担保

据彭博社报道，Google已同意为Anthropic在5个数据中心的芯片租赁付款提供保底支持，此举实质上帮助Anthropic获得了相当于350亿美元的融资额度。

这一交易结构颇为精妙，本质上是一种信用增级（Credit Enhancement）金融安排：Anthropic向数据中心运营商租赁GPU算力资源，Google作为担保方（Guarantor）承诺在Anthropic违约时代为偿付，从而使Anthropic能够以更低的融资成本撬动更大规模的算力租约。Google并非直接注资，而是通过为芯片租赁提供担保的方式帮助Anthropic撬动巨额资金。对Google而言，此举既能深化与Anthropic的绑定关系（Anthropic大量使用Google TPU算力），又能通过担保而非直接投资的形式规避进一步增持股权可能触发的反垄断审查风险——以担保责任换取Anthropic持续采购Google TPU算力的隐性承诺，实现算力销售与战略布局的双重目标。

这也折射出当前AI军备竞赛的现实：顶级模型公司对算力的渴求几乎无止境，而掌握算力与资本的科技巨头，正以各种创新金融安排深度参与这场竞争。

字节跳动试水AI for Science：拆分AI制药业务独立融资

据报道，字节跳动已启动AI制药业务线的拆分及独立融资。拆分后字节仍将保持控股，原核心团队与资产整体转入新主体，并继续获得算力支持。

AI for Science是指将人工智能技术系统性应用于科学研究的新范式，涵盖材料科学、气候建模、生物医学等多个领域。AI制药是其中商业化最成熟的方向，核心技术包括：基于AlphaFold等模型的蛋白质结构预测、生成式AI驱动的药物分子设计（De Novo Drug Design）、以及利用大模型加速临床试验方案优化等。传统新药研发平均耗资超过10亿美元、历时10-15年，AI技术有望将先导化合物发现阶段的时间大幅压缩。

"拆分+独立融资+保留控股"的模式，既让该业务能以更灵活的机制吸引专业的生命科学投资者及其行业资源与监管经验，又保留了母公司的战略主导权与算力支撑。这也是国内互联网巨头加速从消费互联网向硬科技、产业AI延伸的又一力证。

核心要点