Perplexity微调了一款中国AI模型，使其成本仅为Claude Opus 4.8的三分之一

Perplexity将一款中国开源模型转变为一款近乎前沿的工作马，其成本仅为Claude Opus 4.8的三分之一。

该公司今天发布了Z.AI的GLM 5.2的研究预览版本，这是一款经过后期训练的版本，专门设计用于其计算机代理系统，并已在生产中可用。

GLM 5.2是Z.ai（前身为Zhipu AI）的一款约7440亿参数的模型，该实验室自2025年1月以来已被列入美国实体名单。（参数是模型在训练过程中可以处理的所有不同调节和配置。参数越多，模型越复杂、越强大。）该模型于6月在MIT许可证下发布，当前在长时间编码基准测试中位于顶级AI模型之列，且API成本仅为一小部分。

开放权重意味着任何人都可以下载、修改并在商业上进行微调，而不受限制。Perplexity正是这样做的。

微调到底是什么

微调是将已经训练好的AI模型在一个较小、专注的数据集上重新训练的过程，以使其在特定任务上表现更好。

Perplexity使用后期训练——在模型的主要训练运行后应用的类似过程——来教GLM 5.2一项关键技能：知道何时自己处理任务，何时升级到更强大的工具。

这最终节省了大量推理成本。

Perplexity对该系统进行了基准测试，与普通的GLM 5.2进行比较，以建立成本基线。使用公司内部的效率指标来衡量完成复杂任务的成本，结果显示，带有顾问的微调模型的运行成本大约是基础版本的两倍。然而，使用顶级的Opus 4.8模型处理所有任务的成本要高得多（约600%）。

通过结合这些工具，Perplexity的系统在质量表现上达到了与Opus相同的水平，但成本仅为其大约三分之一。

为什么选择中国模型——开源使其成为可能

美中AI竞争往往被视为零和游戏。实际上，开源模型并不受国界限制。GLM 5.2的MIT许可证使得计算变得简单：没有API合同可供违反，也没有政府可以切换的访问开关。你只需下载权重，就可以将其微调为所需的任何形式。

Perplexity在这条路上已经走过。当DeepSeek R1在2025年初席卷AI界时，该公司将其微调为R1-1776——映射出原始模型因中国政府审查而拒绝讨论的约300个主题，并重新训练模型，使其更加偏向美国。它成为了同一推理引擎的西方托管版本。

因此，这次的GLM 5.2操作遵循了相同的模板，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旨在成为便宜的默认选项，吸收大部分任务，而无需接触前沿模型。

Srinivas表示，长期的论点很简单：对开源模型进行后期训练，使其在已经服务数百万用户的代理系统中擅长升级。Perplexity“独特地定位”来解决这个问题，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：对Nemotron 3 Ultra的后期训练，这将使用美国的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未来几周内发布。该模型作为研究预览可用。