Perplexity 将一个中国开源模型转变为接近前沿的工作马，其成本约为 Claude Opus 4.8 的三分之一。

公司今天发布了一个 研究预览，展示了一种经过后训练的 Z.AI GLM 5.2 版本，该版本专门构建用于其计算机代理，并现已投入生产。

GLM 5.2 是来自 Z.ai（前身为 Zhipu AI）的大约 7440 亿参数模型，Z.ai 是一个自 2025 年 1 月以来一直在 美国实体清单上的北京实验室。（参数是模型在训练期间可以处理的所有不同拨号和配置。参数越多，模型就越复杂和强大。）该模型于 6 月在 MIT 许可证下发布，是当前在长远编码基准上表现最好的 AI 模型之一，其 API 成本仅为一小部分。

开放的权重意味着任何人都可以下载、修改并进行商业调整而不受限制。Perplexity 正是这样做的。

什么是微调

微调是对已训练的 AI 模型进行再训练的过程，以在更小、更专注的数据集上提高其特定工作能力。

可以把它想象成调校一辆车。例如，不同的技师可以拥有同样的本田思域，并使其在拖车比赛中更快，外观更令人愉悦，适应拉力赛等。在 AI 中，开发者获取一个基础模型并添加不同的设置，以便微调后在特定领域获得更多知识、不同的政治偏见、更多或更少的限制等。

Perplexity 使用后训练——一种在模型主训练运行后应用的类似过程——来教 GLM 5.2 一项关键技能：知道何时自行处理任务，何时升级到更强大的模型。

这种升级是他们构建的核心。微调后的 GLM 5.2 包含 Perplexity 所称的“顾问工具”——一种原生能力，能够识别何时查询超出其自身能力，并将其移交给第三方前沿模型。大多数任务从未到达昂贵的模型。只有那些真正需要它的任务才会到达。

这最终节省了大量推理成本。

“与顾问配对时，该模型在 Opus 4.8 等级的性能下运行，成本仅为一小部分，”首席执行官 Aravind Srinivas 在 X 上写道。

Perplexity 将该系统与普通 GLM 5.2 进行基准测试以建立成本基准。使用公司的内部效率指标，该指标衡量完成复杂任务的成本，结果显示，带顾问的微调模型的运行成本约为基础版本的两倍。然而，使用顶级的 Opus 4.8 模型处理所有事情则要昂贵得多（大约贵 600%）。

通过结合这些工具，Perplexity 的系统实现了与 Opus 相同的质量性能，但价格仅为三分之一。

为何选择中国模型——为何开源使其成为可能

美中 AI 竞争往往被框架为零和。在实践中，开源模型并不会停留在国界上。GLM 5.2 的 MIT 许可证使计算变得简单：没有 API 合同可供违反，没有政府可以翻转的访问开关。您下载权重，然后可以将其微调为您所需的任何东西。

Perplexity 在这条路上走过。2025 年初，当 DeepSeek R1 风靡 AI 世界时，该公司将其微调为 R1-1776——映射出原版因中国政府审查而拒绝讨论的约 300 个主题，并重新训练该模型，使其对美国更有偏见。它成为了同一推理引擎的西方托管版本。

“如果不先减轻其偏见和审查，我们就无法利用 R1 强大的推理能力，”Perplexity 团队当时在博客文章中写道。

因此，这次 GLM 5.2 的举动遵循相同的模板，只是这次的目标不是政治，而是经济。Perplexity 的 计算机产品 已经协调了 19 个以上的 AI 模型；微调后的 GLM 旨在成为吸收大部分任务的廉价默认设置，确保在触及前沿模型之前。

Srinivas 表示，长期论点很简单：对开源模型进行后训练，以便在一个已经为数百万用户服务的代理 Harness 中提高升迁能力。Perplexity “独特地处于”解决这一问题的位置，他写道，因为基础设施已经大规模部署。

该模型在美国的 Nvidia B200 GPU 上运行。接下来将进行：对 Nemotron 3 Ultra 的后训练，该模型将使用美国开源模型复制相同的架构。

完整的基准测试和研究论文预计将在接下来的几周发布。该模型现已作为研究预览提供。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。