标签：即用更少的上下文Token达成同等甚至更强的理解与生成效果。这对长程任务尤为关键。

基模四杰齐聚清华论道AGI未来：姚顺雨贴脸开大引爆AI范式之争

以下是根据您提供的原始文章，经过人工风格处理、SEO优化整理后的版本。该版本在保留核心信息与技术深度的基础上，增强了可读性、逻辑结构，并更利于搜索引擎收录（如关键词布局、标题层级、语义丰富性等）。随后附上“

来源：

量子位【阅读原文】
Tags：- SWE-bench得分超70分 - 上下文长度突破100万Token - 对普通用户而言 - 推出Terminal-Bench等贴近真实开发流程的新评测体系； - 支持119种语言及方言 - 构建 Agent Scaffold 框架 - 而对企业客户来说。 “下一步的关键是让AI真正‘做事’。” “大部分人其实不需要那么强的智能”； “强者恒强”趋势愈发明显。即便价格高出数倍 “更强的先验 = 更小的搜索空间 = 更高效的决策。” “问我‘今天吃什么’ > “Agent的本质是一场搜索过程。”杨植麟指出 > “DeepSeek的出现 > “环境即上下文。”姚顺雨举例道 # 基模四杰齐聚清华：AGI前沿峰会激辩AI未来 ## 一、从Chat到Action：唐杰谈大模型的转折点 ## 三、林俊旸：通义千问的全模态进化之路 ## 二、杨植麟：提升Token效率 ## 四、姚顺雨：分化时代 ### ToC vs ToB：智能需求截然不同 ### 垂直整合 ≠ 必胜法则 ### 核心进展包括： ### ✅ Long Context 能力 ### ✅ Token Efficiency（标记效率） 2025年 2025年成为GLM开源大年 AI不仅是工具 AI正逐步具备解决研究生级别问题的能力。 ChatGPT式的对话能力边际效用递减 HLE（人类终极测试）等复杂评测表明 Kimi推出全新线性注意力架构——kimi Linear。 Omni Talker支持多音色合成与定制化声音克隆 Qwen-VL成功实现“不降智”的多模态理解 ToB才是价值爆发点 WordPress 一场汇聚中国AI顶尖力量的思想盛宴不仅揭示了当前技术的真实水位为此为解决MUON训练中常见的Logit爆炸问题也勾勒出通往通用人工智能（AGI）的可能路线图。也能凭借优秀的工程设计赢得市场。今天来海淀算是‘客场作战’。”但他带来的Qwen3系列成果却毫不逊色。他也呼吁中国企业重视真实场景的数据积累。“大公司拥有天然优势：十万人的组织每天产生海量任务流他坚信他的核心观点鲜明而犀利：AI正在经历双重分化——ToC与ToB的分化他认为他还强调代表阿里云出席的林俊旸坦言：“我是北大出身以及突然“贴脸开大”的姚顺雨。他们围绕大模型演进路径、Agent革命、自主学习、中美竞争格局等议题展开激烈交锋企业仍愿为顶级模型买单——因为失败成本更高。但在生产力场景中但姚顺雨以“巨脸投影”方式登场但我们不应因恐惧而止步。” 但挑战依然存在：如何将专项能力反哺主干模型？如何应对冷启动下的策略固化风险？对此作为最早投身知识图谱和图神经网络研究的学者之一作者：Jay | 来源：量子位 QbitAI 使千亿参数级KimiK2模型实现稳定收敛值得一提的是其GLM系列模型在SWE-bench等编程基准中表现突出。其中9B规模的AutoGLM在移动端展现出极高的交互响应速度。内部已达数百万级别；则展示了推理与生成的深度融合。即用更少的上下文Token达成同等甚至更强的理解与生成效果。这对长程任务尤为关键。发布日期：2026年1月11日可在ECS环境中自动启停计算资源同时在短序列与百万级上下文中超越标准Transformer性能唐杰提出三大Scaling方向：唯有模拟人类认知双系统（系统一快速反应 + 系统一慢思考）因此团队创新性地采用QK-Clip动态裁剪技术团队引入周期性SFT校准机制在OCR、印章识别、褶皱文档解析等场景表现出色。数学题辅助线生成、图像精准编辑等功能在ToB市场在中关村悄然上演。在他看来垂直整合与分层解耦的分化。堪称2026年中国AI发展的风向标。大模型的能力已从“记忆”迈向“推理” 如果说唐杰关注的是“做什么” 实现任务级自动化。就意味着显著的成本节约或收入增长。尽管ChatGPT、豆包等产品实现了模型与应用的高度耦合展望未来并加入“睡眠式”无监督整合机制并在2024年进入真实任务执行阶段。如今并推动多任务联合优化。当前所有大模型的发展都基于一个第一性原理——Scaling Law。而未来的突破点在于两个维度的极致优化：影响了他近二十年的学术生涯。我们只需7.5T就能达到相同Loss水平。” 才是Agent时代的胜负手才能逼近真正的持续学习。接近实用化门槛；推理深度增强数据与算力扩展智谱选择了一条聚焦 Thinking + Coding + Agent 的融合路径。通过构建可验证强化学习环境（RLVR）更是工作记忆的体现。为此更是文明的延伸。“它能帮助攻克癌症、能源危机、社会治理难题。尽管伴随风险月之暗面推出了自研的 MUON二阶优化器林俊旸特别提到一个来自开源社区的反馈案例：早期图像编辑存在像素偏移问题标志着‘聊天’时代基本结束。”唐杰直言每提升1%的任务完成率涵盖语言、智能体、多模态在内的多个版本陆续开放清华大学教授、智谱AI创始人唐杰回顾了自己的科研心路：“做研究要像喝咖啡一样上瘾。”这句来自杨强教授的话由清华大学基础模型北京市重点实验室主办的 AGI-Next前沿峰会相比传统Adam实现约两倍的训练效率提升。“相当于别人跑15T Token 瞬间点燃全场气氛。端到端推理速度提升6–10倍。答案取决于天气、预算、口味偏好——这些外部信号比模型本身更重要。” 经开发者指出后迅速迭代修复。“正是这种共建生态结合SFT与全异步训练框架而是期待AI能主动调用工具、完成闭环任务。自2023年起自学习环境构建致力于服务全球边缘群体；虽未能亲临现场覆盖乌尔都语、东南亚小语种视觉方面让我们走得更快。” 训练曲线平滑优美。该架构首次实现在线性复杂度下语音领域谁将定义下一个范式？超长上下文不仅是输入长度的延伸越来越多的应用层公司（如Manus）证明：即使使用第三方模型迈向自然人机对话。迎来了被称为“基模四杰”的四位关键人物——智谱AI唐杰、Kimi杨植麟、通义千问林俊旸这场被业内称为“清华论剑”的闭门对话通义千问完成从“通用模型”向“通才智能体”（Generalist Agent）的战略转型。这一转变源于对现实生产力需求的深刻洞察——用户不再满足于问答那么Kimi创始人杨植麟则深入到了“怎么做”的底层架构层面。

4天前