清华师徒杀疯AI榜!老师GLM-5.2刚拿开源第一,学生Kimi K3一个月后57分反超:2.8万亿参数要掀翻闭源帝国?

只用了一个月。

6月，清华教授唐杰参与创立的智谱（Z.ai），把 GLM-5.2 推上 Artificial Analysis 开源权重模型第一：51分、百万上下文、MIT许可证，权重直接开放

7月，唐杰曾经的学生、月之暗面创始人杨植麟，带着 2.8万亿参数的Kimi K3 杀了回来：57分，一度冲进全球总榜前三，与GPT-5.5、Claude Opus 4.8进入同一档位

榜单上，两根柱子一前一后。

榜单背后，却是中国AI圈极具戏剧性的一幕：老师刚刚登顶，学生随即超车

但先按住欢呼。这里有一道非常关键的时间差：GLM-5.2已经是可下载的开放权重模型；Kimi K3发布时仍主要通过产品和API使用，官方承诺在7月27日前开放权重

所以，准确的说法是：K3已经在能力分数上完成反超；等权重真正落地，它才会正式接过“开源权重第一”的位置

AI世界的王座，竟然已经开始按“周”计时

一个月，开源第一两次易主

6月中旬，Z.ai宣布开放GLM-5.2权重

这次更新远比“把模型扔到网上”更扎实GLM-5.2支持 100万token上下文，主攻长程编程、软件工程与智能体任务，并采用限制较少的 MIT许可证

在Artificial Analysis Intelligence Index上，它拿到 51分，与Claude Opus 4.8进入相近档位，成为当时得分最高的开放权重模型

在更垂直的竞技场里，它也打得凶猛：Code Arena前端代码盲测全球第二、DesignArena第一、FrontierSWE整体第三

▲ 唐杰宣布GLM-5.2取得AA指数51分，并在多个编程与设计榜单进入前列

关键在于，GLM-5.2的权重已经摆上Hugging Face，开发者可以下载、部署和修改

▲ GLM-5.2模型页标注MIT许可证，支持Transformers、vLLM、SGLang等部署方式

然而，仅仅约一个月后，Kimi K3来了

57分。

相比GLM-5.2，整整高出 6分。在前沿模型已经进入贴身肉搏的今天，这次跳跃足以改变榜单排序

▲ Artificial Analysis称，Kimi K3权重开放后将成为领先的开放权重模型

榜单背后，竟是一对清华师徒

冷冰冰的评测图，因为一段学术关系，突然有了故事

杨植麟本科时期曾在清华跟随唐杰从事科研之后，他赴卡内基梅隆大学攻读博士，导师是著名机器学习学者 Russ Salakhutdinov；再后来，他回国创办月之暗面，做出了Kimi

唐杰则从清华相关研究团队出发，参与创立智谱，推动GLM路线一路走向产业化

两人的交集远超传闻里的“上过课”和“认识”公开材料显示，杨植麟后来仍与唐杰在 GLM、P-Tuning v2、FewNLU 等研究中存在共同署名这些论文勾勒出一条真实可见的技术谱系

▲ Artificial Analysis联合创始人George Cameron转述：杨植麟赴CMU前曾在清华跟随唐杰学习

社交网络很快用一个词概括这段关系：leapfrogging，互相赶超

老师一方先把开放模型推上高位；学生一方再用更大的模型、更激进的架构，把分数线继续向上抬

甚至有人继续往上追溯：Salakhutdinov曾师从“深度学习教父”Geoffrey Hinton于是，Kimi K3背后被拼出了一条有趣的学术链条：

Hinton，Salakhutdinov，杨植麟；另一侧，则是唐杰，杨植麟，Kimi。

这场较量牵连着同一片学术土壤里长出的两棵树，如今它们在产业森林的最高处相遇

2.8万亿参数，究竟是什么概念？

看核心数字：

维度	GLM-5.2	Kimi K3
总参数规模	约0.75万亿级	2.8万亿
上下文	100万token	100万token
AA智能指数	51	57
权重状态	MIT，已经开放	发布时承诺7月27日前开放
AA单任务成本	约0.32美元	约0.94美元

K3采用的是极稀疏 MoE，混合专家架构

可以把它想成一座拥有 896位专家 的超级研究院，每遇到一个问题，只会激活其中约 16位

因此，模型可以拥有2.8万亿参数的庞大知识容量，却不必在每次推理时把全部参数都跑一遍

K3还加入了 Kimi Delta Attention官方称，在百万上下文解码时，最高可实现约 6.3倍加速；另一项Attention Residuals技术，则试图用不足2%的额外成本，换取约25%的训练效率提升

▲ Kimi K3官方博客展示其架构、百万上下文与长程编程评测

而“100万token上下文”，可以把它想象成一张突然被铺大了几十倍的办公桌

过去，模型只能摊开几页文件；现在，它可以同时读代码库、研究论文、终端记录和长达数百轮的工具调用轨迹这正是长程Agent能够连续工作数小时，甚至更久的基础

57分很猛，价格同样锋利

单看智力，K3尚未击败所有闭源旗舰

根据Artificial Analysis当时的结果，它仍落后于Fable 5、GPT-5.6 Sol等顶配模型但在 “能力，成本”平面 上，它的位置极具攻击性

K3完成一项AA Intelligence Index任务，平均成本约 0.94美元；GPT-5.6 Sol约为1.04美元，Claude Opus 4.8则约为1.80美元

也就是说，K3用接近顶级闭源模型的能力，把部分任务成本压到了Opus 4.8的一半左右

其API标价约为每百万输入token 3美元、输出token 15美元，缓存命中输入低至0.30美元

不过，GLM-5.2依然有自己的锋利位置：它的综合分低一些，但AA单任务成本约0.32美元，而且权重已经开放

这正是两种不同的商业武器：

GLM-5.2：
更便宜、已开放、可私有化部署；
Kimi K3：
更强、更大，试图把开放模型的能力上限直接推到闭源旗舰腹地。

一个守住可部署性，一个猛攻能力天花板

别误会：“开源第一”不等于你的电脑能跑

这里必须泼一盆冷水。

开放权重，不等于低门槛。

GLM-5.2约0.75万亿参数，普通消费级显卡很难轻松承载；Kimi K3更达到2.8万亿参数，需要大规模集群、专家并行和高性能互联

所以，开放至少有三层含义：

权重能否真正下载；
许可证是否允许修改、商用与再分发；
现实中有没有足够算力把它跑起来。

GLM-5.2在前两项上已经交卷，采用宽松的MIT许可证

因此，K3的“开源第一”当时仍带着一个明确条件：权重按计划发布，并以可用许可证和推理栈完成交付

战场正在转向“替你干活”

这轮较量的重心已经移到 长程Agent，两家公司都在集中火力攻克连续多步的复杂任务

Kimi展示了24小时内核优化、类Triton编译器、芯片设计、科研复现与产业研究报告等任务；GLM-5.2强调FrontierSWE、SWE-Marathon和百万上下文中的长程交付

大模型竞争正在换挡：

模型既要会回答，也要能连续工作。

模型会读仓库、开终端、调试、修改、再测试；面对研究任务，它还要检索资料、建立假设、运行工具，最后交付结果

榜单只是探照灯。竞争落到 Kimi Work、Kimi Code、智谱Coding Plan、API和企业私有化部署，谁能进入程序员、研究员和公司的日常工作流，谁才可能把一次榜单胜利变成收入与生态

第一名的王朝越来越短

这场师徒“交棒”最刺激的地方，是第一名正在迅速贬值

Artificial Analysis在同期总结中提到，仅数周时间，达到51分以上的前沿实验室就从少数几家扩展到六家DeepSeek、Qwen、MiniMax、GLM、Kimi都在逼近同一条前沿线

过去，一个模型可以领先半年。

现在，领先一个月，已经足够写进历史。

GLM-5.2证明，中国公司可以把足够强的旗舰模型直接用MIT许可证开放；Kimi K3则把开放模型推向全球总榜最前排

杨植麟曾表达过一个鲜明判断：开放模型还得足够强

一个月前，老师给出了自己的答案。

一个月后，学生把答案又往前推了6分

而当整个行业还在惊叹这场清华师徒的榜首接力时，下一位挑战者，也许已经在训练集群里亮起了绿灯