GLM 5.2 现在已经能在 AMD 芯片上跑起来，而且推理成本只有英伟达方案的一半左右。这组数据来自推理优化公司 Wafer 本周披露的测试结果。Wafer 采用 AMD 的 MI355X 芯片部署最新开源模型 GLM 5.2，在单节点场景下把吞吐量做到 2626 tok/s，单流吞吐也达到 213 tok/s。
这次提速的关键在于量化。Wafer 将模型权重从 BF16 这种精度更高、但更吃算力和资源的格式，压缩为更省资源的 MXFP4 格式，使用的是 AMD 自家的 Quark 工具。和 z-ai 官方量化方案相比，三项基准测试的精度几乎没有明显损失：GSM8K 从 96.5% 小幅降到 95.5%，GPQA-Diamond 从 92.2% 降至 90.3%，tau2 反而从 81.9% 提升到 83.4%。
相关快讯
OpenAI 这次“砍”了个寂寞，究竟发生了什么
OpenAI 工程团队通过纯软件优化提升现有服务器利用率，把推理成本砍掉了一半以上，且没有依赖新芯片或架构革新。优化主要用于 ChatGPT 未登录用户流量，结果只需几百个 NVIDIA GPU 就能支撑这部分请求，显示出算力效率的大幅提升。
消息称OpenAI推出新方案，推理成本或可减半
知情人士称，OpenAI 工程师本月初向部分同事透露，他们借助几项新开发的优化技术，已经找到一种可将模型推理成本降低一半以上的方案。
OpenAI据悉迎来重大技术突破：系统优化让模型推理成本减半
6月30日消息称，OpenAI工程师在内部透露，公司通过一系列全新的系统底层优化，已将AI模型的推理运行成本降低50%以上。这意味着模型在实际调用和部署时的效率显著提升，或有助于降低服务开销并提升规模化应用能力。
智谱 AI 编程工具 ZCode 3.0 发布：全新内核与 GLM-5.2 深度适配
智谱发布了 AI 编程工具 ZCode 3.0，深度适配 GLM-5.2，并全面切换至自研的 ZCode Agent 内核。新版本针对长程推理、工具调用及大型工程执行链路进行了深度优化，整体任务完成效果显著优于第三方 Agent。未来版本将专注于提升自研 Agent 的使用体验，不再支持其他 Agent 的适配。此外，升级或订阅 GLM Coding Plan 的用户在应用内将享有 150% 的配额优势，而 GLM-5.2 也将对所有 GLM Coding Plan 用户开放，智谱表示这是其迄今能力最强的开源版本。
智谱GLM-5.2正式向所有GLM Coding Plan用户开放
GLM-5.2将于今晚5:21面向所有GLM Coding Plan用户开放，涵盖Lite、Pro、Max及团队版。其API预计将在下周上线，模型也将在下周正式开源，并遵循MIT协议。
AMD 苏姿丰寄语毕业生：未来掌握在你们手中，AI 只是工具
尽管生成式 AI 成为科技巨头如微软和谷歌的焦点，并投入了巨额资金，但业界对其发展是否遇到瓶颈提出质疑，主要原因是缺乏高质量的训练内容，限制了更先进模型的出现。在 Build 2026 大会上，微软 CEO 萨蒂亚·纳德拉强调应将 AI 智能体视为真正的员工，体现人性化管理。同时，微软正推动 Windows 进入 Agentic AI 新阶段，预计 AI 将主导其产品组合。