2026年08月17日AI 版

依据

Simon Willison 说，他在 2026年8月15日当天用 GPT-5.6-Sol xhigh 做了 CORS Chat，本意是测 Qwen 3.8 27B 在 LM Studio 里的表现，跑在 M5 MacBook Pro 和 NVIDIA DGX Spark 上。CORS（跨源资源共享，Cross-Origin Resource Sharing）是浏览器判断一个页面能否读取另一个源响应的规则：服务端不主动声明放行，前端就拿不到响应体，这正是本地模型调试通常要另起一层代理的原因。LM Studio 加 --cors 会补上放行头，OpenRouter 本身允许浏览器直连，他把两条都试通了。对话与配置存在浏览器本地，可导出为粘贴用的 JSON；另有一个细节，它认出正在生成的 SVG，在 token 还在流式输出时就把图画出来。对照数字：他站内 cors 标签 30 篇、openrouter 32 篇、lm-studio 23 篇，说明这类浏览器直连调试此前并不集中。

依据

Sebastian Raschka（Ahead of AI，2026年8月15日）说，Substack 新上线的 AI 检测功能让他想到把这套过程拆开讲：微调一个 DistilBERT（一种小型文本分类模型）作分类器，输出 0–100 分。他特意声明，这个分数是分类器在自身训练分布下对「AI 生成」这一类的估计概率，不能读成「这段文字真是 AI 写的」的概率。接着他把检测器当 verifier（验证器）接进 RLVR——可验证奖励强化学习，即用能自动判对错的分数当奖励信号——反过来训练小语言模型写出躲过检测的文本。他自己把这事定性为猫鼠游戏：检测器学到某个特征，下一代模型可以不带这个特征，检测器就得重训；他还预告会出现 false positive，也就是把人类写的文字判成 AI。全文只写方法与目标，说方法「类似」Pangram（他推测 Substack 用的就是它），没有给出准确率、误报率或任何成本数字。

依据

Simon Willison 在 8月16日的博文里把 xhigh 默认称作「a hilarious default」，并明说这不是跑这个模型的好方式，尤其在消费级硬件上；他的建议是先跑 low，甚至完全不推理。机制在 Qwen 官方支持的 reasoning_effort（推理力度）参数上：xhigh 面向需要彻底分析的复杂任务，medium 在准确率与速度之间取舍，low 优先速度与成本。代价有实测对照：同一张「鹈鹕骑单车」SVG 提示词，xhigh 下花了 21 分钟，用掉 22,276 个推理 token，才产出 3,223 个输出 token；关掉推理后单次共 3,715 个 token、137 秒。更早的症状是 LM Studio 默认 8,192 token 的上下文（token 是模型处理文本的最小单位）被推理填满，加载到 262,144 上限才消失。他跑的是 17GB 的 Q4_K_M 量化版本（quantized，把权重压到约 4 位精度以缩小体积），硬件是 128GB M5 Max MacBook Pro 与 NVIDIA DGX Spark。

依据

Nathan Lambert 在 Interconnects 里引了 Z.ai 博客的开头一句：「Scaling post-training is all we did for GLM-5.3」，即基座模型与 GLM-5.2 完全相同，只把后训练（post-training，预训练之后做对齐与强化学习的阶段）大幅拉长。他给的机制是：RL（reinforcement learning，强化学习）环境、任务和算力没法像蒸馏（distillation，从更强模型里提取输出与推理轨迹）那样被顺手拿走。可对照的数字是 GLM-5.3 约 750B 参数、只有 Kimi K3 的三分之一，却在多个 agentic coding（智能体编程）基准上超过 Kimi K3，部分超过 Claude Fable 5 或 GPT-5.6-Sol。Z.ai 这条线从 2019 年建队、2021 年 3 月放出 GLM 起就没断过，Lambert 因此不把蒸馏当成主因。