一封关于”AI 垃圾代码”的来信

当地时间 9 月 10 日，切尔尼在 X 平台上公开了一封开发者写给他的邮件，标题直白地写着”怎么处理 AI 垃圾代码？”。他透露，自己几乎每天都会收到类似来信，并尽量多作回复。

这位匿名开发者把 AI 编程带来的”摩擦”归纳为两种截然不同的做法，请切尔尼判断哪一种更合理。第一种相对克制：仍像从前一样写代码，只是用 AI 加速，未必逐行审查，但代码必须经得起审查，提交者要能解释自己提交了什么，且代码对人类维护者而言至少不比以前更难。第二种则更放任，也就是当下流行的”氛围编程”（vibe coding）思路：把代码当黑箱，不关心内部实现，只看最终输出。

来信者也坦言，不少人其实做不到第一种，却又担心因此失去工作，”很多人只是在硬着头皮用 AI”。

原型可黑箱，生产代码标准更高

切尔尼完整公开了自己的回复，并指出两种做法并非只能二选一，各自都有合适场景。对于”只管结果、不管代码”的做法，他认为原型和一次性代码完全可以当成黑箱——反正最终会被丢弃，只要出问题的影响范围不大，就没必要追求完美。

真正进入生产环境的代码则完全不同。切尔尼写道，Claude 写出的生产代码，标准应当比人类写的更高。他在文中列举了 Anthropic 内部设置的多道防护机制：大量代码规范检查规则与测试、Claude 驱动的端到端测试、每天运行的模糊测试工具，以及自动代码审查、安全审查和自动代码重构。他提醒，缺少这些措施，代码库很容易逐渐变成难以维护的烂摊子；好消息是模型能力越强，把这些日常流程跑顺也越容易，例如每天固定跑几套流程，或使用 Claude Code Review。

开发者的新角色：mini CEO

切尔尼的核心观点是，开发者的真正职责在于”守住代码质量标准”。AI 行业有人把这种新角色称为”mini CEO”——开发者更像一名管理者，需要判断什么代码能进入系统，什么代码应当当场拦下。

如果上述办法仍解决不了问题，切尔尼还给了三条退路：更直接地介入 Claude 的工作过程、让它重写整个代码库，或者干脆”等下一个模型”。在 AI 接管大量编码工作的趋势下，如何为代码质量设下闸门，正成为工程师价值所在的新焦点。

一次点击背后做了四件事

新的简易设置流程会在首次启动时自动出现，之后也可以随时在 Settings → Providers → Local Models 中进入。点击之后，Hermes 会依次完成四步：读取机器的显存与系统内存总量、从模型目录里挑出一个能完整跑在这块硬件上的构建版本、下载对应的量化权重、配置好推理运行时。

推理引擎这一步同样是自动的。Hermes 不要求用户手动安装任何东西，而是自行抓取一个与硬件匹配的官方 llama.cpp 构建，体积在几百 MB 量级，校验完成后还会持续保持更新。后端覆盖 CUDA、Metal、Vulkan、HIP 以及纯 CPU，也就是说 NVIDIA、AMD、苹果芯片和英特尔平台的机器各有对应路径。固定的版本标签写在 config.yaml 的 local_runtime 块中，桌面界面会自动写入，使用无界面模式的用户也可以手动指定。

下载之前先用颜色告诉你结果

Hermes 在下载任何东西之前，会先把目录里的每个模型都针对当前这台机器评估一遍，并给出一个内存适配结论：绿色代表模型可以完全放进 GPU 显存运行；黄色代表会溢出到系统内存，能跑但速度会变慢；红色代表对这台机器来说太大。

即便标记为红色，模型也不会从列表里消失，而是保留并显示具体缺少什么，这样用户能直观判断多加一些显存能换来什么。每一行还会显示该模型的起始上下文窗口、最大上下文窗口，以及针对当前硬件所选构建的下载体积。

量化版本的选择遵循一条很实在的规则：Hermes 会挑能在 GPU 上完整运行的最高质量构建，显存偏小的机器拿到的是同一模型更紧凑的版本。这里有一条 4-bit 的硬底线——低于这个精度，Nous Research 认为质量损失已经大到不值得推荐，因此一台连 4-bit 版本都无法在不溢出的情况下运行的机器，就不被认为能运行该模型。

内存怎么分配，用户不用管

本地推理的表现好坏，很大程度上取决于模型权重和注意力缓存放在内存的哪个位置。Hermes 没有把这些调节项暴露给用户，而是采用一套固定的有序卸载策略：当模型超出 GPU 显存时，溢出部分按”伤害最小”的顺序进入系统内存，最先移出的是专家权重，而注意力缓存永远不会被卸载。换句话说，它用一部分吞吐量换来了上下文的完整性。

上下文窗口从一个完全适配 GPU 的起点开始，随着对话需要空间逐步向模型的原生最大值扩展，所有推荐模型都保证至少 64K 的上下文窗口。对话压缩——也就是把较早的轮次做摘要以腾出空间——只有在模型已经达到最大窗口时才会启动，因此窗口总是在任何内容被裁剪之前先长大。模型空闲 15 分钟后会自动卸载，下一条消息到来时再重新加载。

对于把本地模型接进自动化流程或智能体工作流的场景，这套设计尤其关键：上下文被悄悄截断，往往会让多步骤任务在无人察觉的情况下跑偏。

免费、开源、不用注册

Hermes Desktop 是开源项目 Hermes Agent 的免费构建版本，采用 MIT 许可证，支持 macOS 12 及以上、Windows 10/11 以及任意 Linux 发行版，运行本地模型不需要注册任何账号。

把部署门槛从半小时的手动折腾压到一次点击，带来的变化不只是省时间。本地运行意味着数据不离开本机、没有按 token 计算的账单，也不会因为某家 API 服务中断而停摆。对中小团队来说，这等于先用手头现有的硬件试用一遍私密、离线的 AI，再决定要不要投入更多。

图片来源：Nous Research 官方素材

Blackmagic Design 于 9 月 8 日发布 DaVinci Resolve 21.1。这是一次免费更新，却做出了该软件近年来最贴近开发者的一项改动：内置原生的 MCP（模型上下文协议）服务器，让外部 AI 助手可以直接操作剪辑、调色与渲染接口。

通过这一接口，Claude、Claude Code 与 ChatGPT Codex 等 AI 助手能够以自然语言下达指令，完成分析项目、整理媒体、调整设置、批量渲染等操作，而不必由人工在软件界面中逐项查找命令。

从”内置 AI 功能”转向”开放连接”

此前，DaVinci Resolve 的 AI 能力主要以内建功能的形式提供。21.1 版本的思路发生了变化：不再由软件自带模型，而是通过标准协议把控制权交给用户自己订阅的 AI 助手。

据官方说明，启用入口位于 File 菜单下的 Setup AI Assistants。另有第三方技术媒体提到，使用前需在系统设置的常规选项中将外部脚本设置为本地模式。

在实际用途上，官方与媒体给出的场景集中在两类：一是整理媒体、更新项目设置、批量处理等重复性劳动；二是直接参与剪辑，例如从一段长视频中挑出高光片段、删除冗余内容，再触发渲染并导出交付文件。

有第三方开发者的实测记录显示，AI 助手可以连贯完成”打开项目、运行自动字幕、为竖屏应用智能重构图、套用黑白调色、导出成片”这一整条后期流程。测试方同时指出，当前实现中时间线片段的重新排列尚未打通，部分 Python 接口还未接入。

门槛：需要 Studio 版授权

这项能力并非对所有用户开放。MCP 服务器依赖外部脚本接口，而外部脚本接口属于 DaVinci Resolve Studio 版功能，Studio 版为 295 美元的一次性授权，不采用订阅制。免费版用户无法使用。

这也意味着，想在流水线中部署自动化节点，每个节点都需要一份 Studio 授权。

权限越大，越要小心

把项目接口开放给 AI 助手，等同于把项目交给 AI 助手。业内提醒主要集中在两点：一是务必做好项目版本管理，不要直接把客户母版交给智能体处理；二是注意 token 成本——AI 助手读取项目状态、分析片段、下发调用都会消耗上下文，一条高光集锦往往涉及数百次调用，订阅额度可能需要相应提升。

此外，官方并未宣称 AI 能够独立完成专业调色。画面冷暖、肤色还原等判断，目前仍然依赖调色师的经验。

21.1 版本的其他更新

除 MCP 之外，21.1 还带来超过 100 项新工具与控制。

Fusion 页面新增 25 个以上 Krokodove 形状与 3D 工具，其中包含用于生成更复杂基础形状的 sPrimitive Create 节点、用于顶点连线的 Connect3D、用位图变形 3D 平面的 HeightFieldCreate3D 以及生成管状网络的 TubeCreate3D，另有支持运动模糊与遮罩对象的 Renderer3D 深度渲染改进。

调色页面方面，MultiMaster Trim 管理器开始为杜比视界、HDR10+ 与 HDR Vivid 分别提供独立的调色通道，并新增用于处理球面与半球面素材的 ResolveFX Panomap 节点，同时增加大疆 D-Gamut2、徕卡 L-Log 与 GoPro Log 等色彩配置支持。

Photo 页面迎来首次更新，可用 Blackmagic Design 全系硬件控制面板操作，并新增富士 GFX 与 X 系列、徕卡 SL 系统以及更多索尼 Alpha 机型的格式支持。此外还有 20 个带内置控制台支持的脚本 API、改进的多机位控制与更新的修剪编辑器，Blackmagic Cloud 演示功能也加入了字幕、批注共享与回复。

更大的信号

Resolve 21.1 并非孤立事件。今年 SIGGRAPH 期间，Blender、Unreal Engine、Adobe Creative Cloud、Houdini 等多款创作软件均宣布了 MCP 服务器集成计划。

对专业创作软件而言，MCP 正在从一项「可选项」变成新的基础设施。Adobe 此前推出的是自有 AI 助手，而 Blackmagic 选择把接口开放给主流大语言模型，两条路线的差异，将在接下来的几个版本中逐步显现。

9 月 8 日，小米宣布 Xiaomi MiMo Desktop 桌面客户端正式开放邀请测试，并同步带来两款新一代模型预览版，代号分别为 MiMo-X-Pro-Preview 与 MiMo-X-Flash-Preview。通过申请的用户可在邀测期间限时、限量、免费体验这两款模型。

按照官方定位，MiMo Desktop 是一款面向真实工作场景的桌面 AI 应用：接收多格式素材输入，理解目标，拆解任务，调用工具，交付高可用度成果，并支持实时预览与修改。

申请入口分为国内与海外两个地址，本次邀测优先面向 Xiaomi MiMo 开放平台已有用户。截至发稿，具体的免费额度、体验期限与正式价格尚未公布。

不必先整理素材，压缩包也能直接读

真实工作很少从一个干净的提示词开始。表格、图片、视频、PDF、录音乃至未解压的压缩包，往往同时构成一项任务的上下文。

MiMo Desktop 可以直接读取这些素材，无需预先整理或转换格式。用户只需用自然语言说明目标，客户端会理解素材内容、拆解任务、调用工具执行，最终交付可继续编辑的成果，类型涵盖文档、表格、幻灯片、网页、图片、音频、视频，甚至包括 3D 模型、App 或软件工程项目。

官方给出的两类典型流程中，PPT 工作流为”混合素材输入、事实与数据梳理、叙事结构设计、图表与版式生成、交付可继续修改的 PPT”；Figma 工作流则为”自然语言输入、理解任务、规划工作流、调用 MCP 控制 Figma、实时生成设计元素、交付成果”。

预览界面不是截图，可以点击操作

MiMo Desktop 的”成果预览”并非静态截图，而是包含组件结构、交互逻辑、状态变化和数据可视化的完整页面，可直接在会话中预览展示。用户看到的是能够点击、操作并继续修改的成果。

在生成轻量游戏原型、复杂数据网页、Office 文件以及需要动态交互的演示时，成果可以立即预览、提问并继续迭代，无需提前搭建本地前端环境。

改哪里选哪里，每次修改都有版本记录

交付并不是对话的终点。用户可以直接选中会话或生成成果中的任意元素、文字段落、图表或表格区域，用自然语言描述下一步的修改要求。

选区定义了作用范围，MiMo Desktop 只处理需要修改的部分，不必重新生成完整成果，也无需重复交代任务背景。每一次修改都会保存在版本历史中，用户可以比较不同草稿，随时回退到之前的任意版本。

内置智能调度，自动匹配模型与智能体

用户无需在任务开始前决定使用哪个模型、哪个智能体或哪套执行框架。MiMo Desktop 内置”Smart”调度模式，会自动评估任务类型、复杂程度、交付要求与执行成本，再匹配合适的执行路径。

系统会先判断任务属于办公、编程、研究、设计还是混合场景，确定所需的推理深度、工具范围与交付标准，随后在标准模型与旗舰模型之间动态路由——日常任务优先调用速度更快、成本更低的标准模型。大型任务则可拆分给多个智能体协作完成。

浏览器成为执行环境的一部分

MiMo Desktop 还能自主控制电脑浏览器，读取页面、执行交互操作，包括打开网页、检索信息、填写表单和提取素材。

在这里，浏览器不只是信息来源，也是任务执行环境的一部分。从浏览器获得的信息可直接进入当前任务，用于调研、分析、整理和内容制作，省去自行检索和跨应用搬运内容的时间。生成网页类成果时，客户端还可以在同一工作流中用浏览器检查关键交互，自动验证成果。

据介绍，两款 MiMo-X 预览模型重点面向复杂推理、多智能体协作、大型编程项目与多媒体创作等专业任务优化，目前仍处于测试阶段，能力表现可能随版本调整而变化。

新老用户两种待遇

对于尚未体验过 Hy4 preview 的用户，包括 9 月 11 日及之后注册 WorkBuddy 的新账号，以及此前没有用过该模型的老账号，只要在 10 月 10 日 23:59 之前首次开启 Hy4 preview 对话，从首次开启当天算起，往后 14 天内均可获得每日免费额度。官方举例说明：如果用户在 10 月 10 日首次开启，那么免费额度可以一直用到 10 月 24 日。

对于已经体验过 Hy4 preview 的用户，规则有所不同：在闲时的夜间时段，即 23:00 至次日 8:00，平台继续提供免费的模型额度；其余时间段则按正常规则消耗积分。

两点需要留意的说明

官方同时补充了两条使用提示。

其一，Hy4 preview 本质上是一个大语言模型，目前并不具备多模态能力。当用户调用该模型执行视频、图像等生成类任务时，系统会自动切换到对应的多模态模型来完成，因此会按照正常规则产生积分消耗。换句话说，把免费额度用在文本推理、代码处理这类任务上，性价比更高。

其二，由于参与免费体验的人数较多，为保障每位用户的使用体验，官方对每日免费额度做了合理分配。当日资源繁忙时，用户可能进入排队状态，页面会提示额度重置的恢复时间。

模型能力刚完成一轮优化

Hy4 preview 由腾讯混元团队开发，总参数 770B、激活参数 49B，上下文长度达 1M，定位为具备增强推理能力的思考型模型，主要面向代码、办公与科学计算等生产力场景。该模型于 8 月 28 日在 WorkBuddy 国内版与国际版同步首发接入，随后给出两周的限时免费体验，同期 Hy3 模型的限免期限延长至 9 月 30 日 23:59。

在限免期结束前，模型本身也完成了一次迭代。9 月 7 日，腾讯混元与 WorkBuddy 联合团队宣布，针对 Hy4 preview 在复杂任务下出现的”长思考、过度自我验证”等问题进行了专项优化并全量上线。据官方表述，通过 Bench 指标与人工评测双重监控，优化版本在不损失任务效果的前提下，显著降低了任务轮次以及输入输出 token 的消耗。

对于普通用户而言，这意味着两点：一是模型响应速度与成本效率有所改善；二是随着免费额度收窄，如何分配每日额度、是否需要错峰到夜间使用，会成为接下来一个月使用 WorkBuddy 时的实际考量。

时间线内直接生成素材

过去编辑人员缺少补充镜头或音频素材时，往往需要在浏览器或外部应用之间来回切换。更新后，只需选中视频或音频轨道上的空白区域，Premiere 便能依据项目上下文生成可完全编辑的片段，省去切换工具的成本。

时间线还可直接调用多种底层生成模型，涵盖 Adobe Firefly、谷歌 Veo、Runway、Luma 以及可灵，方便用户根据项目风格选择合适的模型。这种多模型并行的设计，让剪辑师在同一时间线内即可完成从画面到声音的素材补充。

新增一批测试阶段的 AI 音频工具

除画面生成外，Premiere 还将加入一批处于测试阶段的 AI 音频工具，能力包括分离同时说话的不同人物、在人声出现时自动压低背景音乐音量，并可单独调整对白与环境声。对于访谈、纪录片等多轨人声场景，这类工具能显著降低后期混音的门槛。

After Effects 也将引入 AI 助手

据 IT之家了解，Adobe 还计划把 AI 助手引入特效编辑软件 After Effects，目前同样处于测试阶段。编辑人员可以直接使用自然语言指令来整理项目、解决技术问题或创建效果，无需自行编写表达式。这意味着 AI 能力正从剪辑向合成、特效等更专业的环节延伸。

总体来看，Adobe 的更新思路是让生成式 AI 成为剪辑流程中的”就地补位”能力，而不是另起炉灶的独立工具。对依赖 Premiere 完成日常产出的创作者而言，素材生成与音频处理的链路被压缩进同一条时间线，有望明显减少在多个软件间反复跳转的损耗。

WhatsApp 正在开发一项新功能，允许用户将第三方 AI 智能体接入应用，与其对话并下达指令，由智能体代为执行任务。该功能由长期追踪即时通讯应用更新的 WABetaInfo 率先发现，目前尚未向全部用户开放，但已释放出明确的产品信号。

从”曲线救国”到原生支持

在 OpenClaw 等智能体平台兴起之初，用户远程操作自己智能体的主要方式之一，就是将它们连接到即时通讯应用。然而不少用户很快发现，在 WhatsApp 上搭建机器人来对接第三方 AI 智能体，存在账号被封禁的风险。相比之下，Telegram 较早拥抱了这一趋势，逐渐成为用户与运行在本地电脑或云端智能体对话、下达指令的主流平台之一。

如今 WhatsApp 正着手把对第三方 AI 智能体的支持做成原生功能。新功能让用户可以把手中的智能体直接连接到应用内的专用对话窗口，不再依赖容易触发风控的非官方机器人方案。

连接方式与权限边界

按照 WABetaInfo 披露的细节，用户在 WhatsApp 中新建一个机器人后，应用会生成一把 API 密钥，用户可凭此把智能体接入对应的对话。具体步骤因平台而异，但多数服务都提供了一个可粘贴该密钥的字段，粘贴后即可直接在 WhatsApp 内与第三方智能体展开对话。

连接完成后，用户打开这串新对话就能与智能体沟通，消息往来都在应用内完成。值得强调的是，智能体只能读取用户在该对话中主动分享的内容，无法访问其他对话、联系人列表或媒体文件，这在隐私层面设置了明确的边界。

目前该功能仅支持在单聊场景中对话，用户还无法把智能体拉入群聊或社区。若接入的是 AI 智能体，WhatsApp 会提示其回复可能并不准确，建议用户对任何结论自行核实。

覆盖范围与已知限制

WABetaInfo 称，目前已有部分 Android 用户获得该功能的试用权限，预计将在不久后向更广泛的人群推送。在账号层面，WhatsApp 的实现支持每个账号最多接入 5 个智能体，并允许用户为每一个单独设置名称和头像，便于区分不同用途的助手。

另一个需要留意的限制是：与第三方智能体的对话目前并不支持端到端加密。这意味着这类会话的私密性弱于普通的一对一聊天，在涉及敏感信息时用户应当保持谨慎。

第三方智能体成新入口

随着大模型与智能体生态的成熟，即时通讯应用正在从单纯的聊天工具，演变为连接各类 AI 服务的入口。WhatsApp 此次的动作，说明头部社交平台已经意识到，把智能体能力以合规、可控的方式收编进原生体验，既能满足用户的真实需求，也能规避此前非官方方案带来的封号与安全隐患。对于习惯在聊天框里处理事务的用户而言，一个账号串联最多 5 个专属智能体的形态，或许会成为接下来 AI 落地的重要场景之一。

美国监控摄像头厂商 Flock Safety 正在测试一款名为 OS Investigate（早期代号 Nightshift）的 AI 搜索工具。科技媒体 WIRED 从 Flock 登录页面加载的代码中收集并分析了该软件，重建出警员使用界面。与传统的车牌识别不同，这套系统允许警员以”地点、时间段、行为模式”为起点发起搜索，而不必先有车牌、姓名或犯罪嫌疑人。

文字描述即可检索画面

系统内置一个 AI 观察名单功能：警员可在地图上圈定一片城区，区域内的摄像头便会对符合某段文字描述的人进行持续自动检索。在另一类检索中，系统将摄像头拍到的每一帧画面转换为描述其内容的一组数值，再把警员输入的文字描述同样转为数值并做比对，按匹配度对画面排序；警员可通过”智能排序”逐张确认或否决返回的结果，几票即可重新排列名次。

预置提示词与数据融合

WIRED 复盘的代码显示，OS Investigate 自带 69 条预置提示词，警员可挑选、修改后再提交；代码还描述了 45 个可供 AI 调用的工具，使其能访问车牌扫描、案件档案、911 调度记录、弹道结果以及含身份证号、出生日期、亲属关系等信息的商业数据库。借助这些关联，车牌可被还原为姓名、住址与社交关系。部分提示词面向”行为模式”而非”具体记录”展开，例如查找某社区近 14 天出现最频繁的车辆以寻找”目击者”。

审查与争议

Flock 在 2026 年 8 月推出一系列调整：缩短数据默认留存期、要求每次搜索填写案件编号、并加入自动审计，公司称这些措施年底前将强制启用。但 WIRED 指出，这些护栏可能劝阻、记录滥用行为，却不会真正阻止。系统会把警员的描述与种族、宗教等敏感类别比对，而”政治、社会与文化表达”是唯一不会直接中断搜索的类别，仅以提示方式缓处理。专家指出，Flock 让 AI 承担了尚无技术能可靠完成的任务，且外界无法衡量其出错频率与方向。

本次上线的“Adobe for Slack”MCP 应用一次性带来 70 余款专业工具。借助 Slackbot，用户只需用自然语言描述需求，助手便会调用合适的 Adobe 工具执行任务。更关键的是，Slackbot 能读取对话、文件、频道与画板（Canvas）中的上下文：例如把一段项目讨论直接生成为 PDF、图片或视频，或将过往营销素材、Creative Cloud 资源库中的资产引入当前对话进行编辑。

该集成首发面向 Slack Business+ 与 Enterprise+ 团队开放。

在 AI 浪潮下，创意与生产力厂商纷纷把能力嵌入聊天入口。Adobe 上月已推出类似的 ChatGPT 集成，并计划很快接入 Gemini；Canva、Figma 也在将能力带入 ChatGPT、Claude 等对话产品。与此同时，Anthropic 正加深与 Slack 的整合，因为团队协作的上下文往往沉淀在对话之中。

Adobe 代理式 AI 高级总监 Deepti Pradeep 在回应中称，焦点小组清晰反馈了这套体验的价值：节省时间、更快拿到结果、在原本工作的地方就能用到 Adobe，并让人从“逐步微调”转向关注“最终目标”。在她看来，消费者拥有工具选择权是好事，而 Adobe 的优势在于同时提供跨模态的创作与生产力工具。

Bionic 是什么：从聊天窗口走向干活的智能体

LM Studio 长期以来被当作一款在本地运行开源大模型的桌面工具，用户下载模型权重，在自己的电脑上推理。今年 7 月中旬，它推出了 Bionic，把能力从”对话”扩展到”办事”：这是一个面向 Mac 和 Windows 的智能体应用，主打编程、资料研究，以及处理文档和文件这类需要多步操作的任务。

Bionic 的模型来源有两条路。一条是本地运行的模型，全部计算发生在自己的机器上；另一条是云端托管模型，服务器位于美国，LM Studio 表示这部分适用严格的零数据保留策略，即不留存用户数据。

模型阵容的扩张速度不慢。Bionic 发布后不久，LM Studio 先接入了月之暗面的 Kimi K3，时间是 7 月 27 日。8 月 26 日这次，轮到了智谱的 GLM-5.3-Flash，走的是云端调用通道。

价格是这次最实际的变化：最多便宜十倍

对使用智能体的人来说，最直接的感受往往不是跑分，而是账单。智能体任务动辄要读一整个代码仓库、翻几十页文档、反复调用工具，token 消耗远高于普通聊天，单价的差别会被放大很多倍。

LM Studio 给出的说法是，GLM-5.3-Flash 的运行成本最多可以比 GLM-5.2 低十倍，也就是降到约十分之一。这个量级的降幅，意味着一些原本因为太贵而不敢长时间跑的自动化流程，重新变得可行。

模型本身：3200 亿参数，激活 180 亿

按 9to5Mac 的介绍，GLM-5.3-Flash 是一个 3200 亿参数的混合专家（MoE）模型，推理时激活 180 亿参数，支持图像和文本两种输入，上下文窗口为 100 万 token。混合专家架构的特点是总参数量很大，但每次推理只唤醒其中一小部分，这也是它能把单价压下来的技术前提。

在智谱自己列出的基准测试中，GLM-5.3-Flash 全面超过上一代 GLM-5.2；与 Anthropic、OpenAI、Google 和深度求索（DeepSeek）的前沿模型相比，成绩大体处于同一区间。

这款模型在正式发布前还有一段插曲：它曾以代号”Ox Alpha”在 OpenCode 和 OpenRouter 上匿名接受测试，凭表现积累了不少讨论度，直到官方揭晓身份，外界才知道匿名模型出自智谱。

对中国用户意味着什么

有几点值得区分清楚。Bionic 的云端通道服务器在美国，实际可用性取决于网络环境；而本地模型这条路不受此限——只要机器带得动，权重下载到本机就能离线跑，数据不出设备，这对处理合同、代码、内部资料等敏感内容的人来说是实质性的优势。

也就是说，GLM-5.3-Flash 进入 LM Studio 生态，真正的看点不在于”又多了一个可选模型”，而在于国产开源模型正在成为桌面端智能体工具的默认选项之一。开源权重加上大幅下降的调用成本，让”把智能体跑在自己电脑上”这件事的门槛，比半年前低了一截。

想尝试的用户可以在 LM Studio 官网的 Bionic 页面查看具体接入方式和当前可用模型清单。