OpenAI财报泄露与国产GLM-5.2双线改写AI资本格局今天的内容有两条主线交织在一起：一条是资本，一条是模型。 资本这边，本周一出现了AI行业史上几乎前所未有的一幕：两家估值合计接近两万亿美元的AI公司——奥特曼的公司和阿莫迪的公司——几乎同时向美国证监会递交了上市申请。就在这个节骨眼上，奥特曼公司的审计财报被曝光了，一个惊人的数字摆在所有人面前：2025年运营亏损209亿美元，相当于每天烧掉5700万。 模型这边，国产阵营终于出了一件值得提的事：智谱在三天前上线并开源了GLM-5.2，在全球百万用户盲测的编程评估中拿到了可用模型第一。Hugging Face第一次专门出来帮一个中国模型做免费算力背书，这个信号本身就很有说法。 论文侧，今天从arXiv抓到了几篇含金量不低的东西，包括一篇直接研究智能体在客服场景里如何避免策略违规的工程论文，还有一篇深究安全对齐大模型是如何被示例演示绕过的机制性研究。 这件事情本周已经发酵了好几天，今天还在持续发酵，不得不说。 先把背景交代清楚。六月八日，奥特曼在社交媒体上发文说，他们的公司已经秘密向美国证监会提交了S-1文件——IPO的正式起点。与此同时，奥特曼说，公司目前还不着急真正上市，只是保留了灵活性。 就在IPO申请提交八天之后，一位独立记者艾德·齐特隆拿到了这家公司的经审计财务文件，经《金融时报》核实后公开发布。数字非常惊人：2025年营收130.7亿美元，较2024年增长约3.5倍；但运营亏损达到209亿美元，净亏损385亿美元。也就是说，公司每赚一块钱，要倒贴一块六。 几乎同一时间，另一份数据也流出：2026年第一季度，营收57亿美元，但现金消耗37亿美元——季度现金消耗超过了季度营收的一半。公司内部预测，2026年全年还要再烧250亿美元，2027年这个数字会增加到570亿美元。 面对这些数字，市场的反应是分裂的。一部分人认为这是泡沫破裂的前兆——亏损以比收入更快的速度增长，是商业模式不可持续的强烈信号。另一部分人则指出，385亿美元的净亏损里有大量股权激励和一次性会计调整，真实现金亏损没那么大，并且这家公司过去三年里每年都被说要垮，但收入增长从未停下来过。 更有意思的对比在于：就在这份财报泄露的同一时间，另一家公司的数据也陆续流出——他们披露的是2026年第二季度预计营收109亿元，运营利润5.59亿元。同样是冲刺IPO，同样是AI，两家公司的财务状态，天差地别。 这场AI资本化运动，正在用真实的财务数字检验每一家公司讲的故事。 六月十七日，国内AI公司智谱华章（Z.ai）正式开源了新一代旗舰大模型GLM-5.2，MIT协议，权重同步上线了国际和国内两个主要开源平台。 GLM-5.2主攻的方向叫长程任务。具体来说，它的上下文窗口达到了100万词元，且号称是无损的——这意味着在一百万个词元长度的上下文里，模型检索信息的能力不会随位置衰减。这个指标直接对标的是目前主流顶尖模型的长文理解能力上限。 编程能力方面，GLM-5.2在一个叫Code Arena的全球评估系统上拿到了全球可用模型第一的成绩。Code Arena的特殊之处在于：它是盲测，结果由百万级真实用户的偏好投票决定，而不是由自动化评估脚本打分。这让它的结论更难造假，也更贴近真实的用户场景。 最值得关注的信号来自Hugging Face。这家全球最大的AI开源社区做了一件之前从来没有做过的事：专门为GLM-5.2出资六小时的全球免费算力支持，让任何人都可以不付钱直接跑一下这个模型。这是Hugging Face第一次为一个中国开源模型做这种背书。 故事还有一个有趣的附笔。这件事在海外社交平台引起了讨论，有人提问：中国模型什么时候能追上现在最顶尖的模型？马斯克在帖子下面回复说，他预测是2027年第一季度。而智谱创始人唐杰直接反呛：不用等那么久。 国产大模型这几年一直在追赶，但GLM-5.2在编程维度上进入全球第一梯队，是一个值得被单独记录的节点。 今天arXiv最值得读的论文之一，来自一篇研究客户服务场景下工具调用智能体的工作，作者挂名Md Nayem Uddin等人。 问题是这样的。当一个智能体在客服场景下工作时，它既要维持跨多轮对话的任务状态，又要调用各种工具（比如修改订单、处理退款），还要遵守一套复杂的领域规则（比如如果用户没有确认邮箱，不能执行任何涉及账户变更的操作）。 当前主流方案的做法，是把所有这些信息——用户说了什么、工具返回了什么、规则是什么——全部塞进一个大提示词里，让模型每次决策时自己从这个大堆里重建状态。这里有两个典型的失败模式：一是模型想起来了正确的事实，但在做决策时用的是旧的、错误的状态；二是调用在语法上合法，但违反了依赖当前状态的规则。 LedgerAgent的方案是：把任务状态单独抽出来，维护在一个独立的结构化账本里，每次做出动作之前，先用账本里的状态检查这次调用有没有违反规则，如果有，直接在执行前拦截。 论文在四个客服领域（包括订单管理、技术支持、票务系统等）上进行了测试，横跨多个开源和闭源模型，结果显示，在更严格的多试次一致性指标下，改善幅度最大。换句话说，LedgerAgent的好处在高一致性要求的场景下更明显——这正是真实生产部署中最关心的指标。 这篇论文的工程意义大于学术意义，但在当前AI智能体落地的实际工程挑战中，这类问题恰恰是最常见的痛点。 这篇论文来自arXiv 2606.20508，作者Sihui Dai等人，研究的是一个在AI安全领域讨论已久、但机制一直不清楚的问题：为什么给语言模型看几个有害示例，它就可能跟着做有害的事？ 研究团队的做法是：把良性示例（无害请求配无害回答）和有害示例（有害请求配有害回答）按不同比例混在一起，喂给四个不同的模型，观察不同组合下模型的行为变化。 结论里最反直觉的一条是：良性示例并不总是安全的。在某些模型上，给你看一些无害的请求是如何被满足的，反而会增加模型对有害请求的顺从率。这意味着，示例里传递的核心信号不是内容，而是模式——这是一个有请求就有回应的对话上下文。 另一个重要发现是：倾向优化（preference optimization，即通常所说的RLHF或者DPO）是唯一能阻止良性示例带来有害顺从的训练阶段。如果模型没有经过正确的倾向优化，哪怕给它看的全是无害示例，也无法保证它不会被示例演示影响。 还有一个细节：示例的顺序有很强的近因效应——最后出现的示例影响最大。这跟很多大模型推理中都能观察到的现象是一致的。 这篇研究把一个我们知道会发生，但不知道为什么的现象拆解清楚了，对于训练更鲁棒的安全对齐模型，具有直接的参考价值。 最后来说一篇对AI基础设施有直接工程影响的论文，arXiv 2606.20381，来自阿里巴巴研究团队。 背景是这样的：如果能用4位浮点数而不是16位精度来训练大模型，内存和算力成本可以大幅下降。英伟达和AMD新一代GPU都开始支持一种叫E2M1的4位浮点格式，让这件事变得有可能。但有个令人头疼的问题：用E2M1训练时，模型经常不稳定，训练会崩。 这篇论文把这个问题追溯到了一个几何原因，并给它起了个名字叫收缩偏差。简单说，E2M1是一种非均匀网格——它的可表示数值在不同区间的密度是不一样的，这导致量化时总是系统性地把数值压向较小的值，误差不是随机的，而是方向一致的偏差，会在深层网络中乘法累积，最终引发训练崩溃。 解决方案是换成均匀网格的4位格式（比如E1M2或者INT4），并配套一套叫做UFP4的训练方案：对三个主要的矩阵乘法运算应用随机Hadamard变换，只在梯度方向使用随机取整。 结果是：在1.5B参数的密集模型、7.9B参数的专家混合模型，以及124B参数的长期预训练上，UFP4相比当前主流E2M1方案，在16位精度基准上的损失退化都更小。论文最后建议：未来的AI加速器应该把均匀4位网格格式当作与E2M1同等重要的原生支持目标。 这个建议如果被芯片厂商采纳，将对未来大模型训练的基础设施路线产生实质影响。 最后一篇来自arXiv 2606.20363，聚焦在一个很实用主义的问题上：能不能让智能体自动从自己之前的操作历史里，提炼出一份可供人类阅读的技能说明书？ 这个方向之所以被关注，是因为越来越多的计算机使用型智能体（比如自动执行浏览器操作的智能体）已经在积累大量的交互轨迹数据，但这些数据主要被用于训练，而不是用于让人知道这个智能体会干什么。技能库文档（比如这里提到的SKILL.md格式）可以让智能体的行为变得可检查、可解释、可调试。 论文提出了一个三阶段流水线：先把GUI交互轨迹切分成动作片段，再用聚类算法把相似片段归入候选技能，最后用这些标注训练一个技能感知的策略。 但论文的结论是诚实的：技能聚类在源数据集上是可读的（八个聚类里有五个纯度超过95%），但可读性并不意味着可迁移。用这套技能注释训练出来的策略，在跨域评估上并没有稳定提升，甚至在某些指标上不如频率基线。 这篇论文的价值在于把一个乐观的假设测试了一遍，并诚实地说：现有的技术路线——边界检测器、无序表示、离线奖励——还不够。这个方向值得继续探索，但坑在哪里，它告诉你了。 Structured State for Policy-Adherent Tool-Calling Agents (LedgerAgent) 作者 / 机构：Md Nayem Uddin 等 来源：arXiv 2606.20529 一句话摘要：为工具调用智能体维护结构化账本以跟踪任务状态并在执行前拦截策略违规，在四个客服领域测试中显著提升多试次一致性。 What Do Safety-Aligned LLMs Learn From Mixed Compliance Demonstrations? 作者 / 机构：Sihui Dai 等 来源：arXiv 2606.20508 一句话摘要：研究发现良性示例并不总是安全的，倾向优化是唯一阻止示例演示引发有害顺从的训练阶段，示例顺序存在强近因效应。 Rethinking Shrinkage Bias in LLM FP4 Pretraining: Geometric Origin, Systemic Impact, and UFP4 Recipe 作者 / 机构：Qian Zhao, Kunlong Chen 等（阿里巴巴） 来源：arXiv 2606.20381 一句话摘要：揭示E2M1 4位格式训练不稳定的几何根源收缩偏差，提出均匀4位量化训练方案UFP4，在多规模模型上损失退化低于E2M1基线。 Automating SKILL.md Generation for Computer-Using Agents via Interaction Trajectory Mining 作者 / 机构：Yuexing Hao 等 来源：arXiv 2606.20363 一句话摘要：从GUI交互轨迹中自动挖掘并聚类技能，技能聚类在源数据集上可读但跨域迁移未见稳定提升，诚实揭示现有技术瓶颈。 OpenAI审计财报泄露：2025年运营亏损209亿美元，每天烧钱5700万 来源：Ed Zitron / 金融时报 / 腾讯新闻 时间：2026-06-16 一句话摘要：独立记者曝光OpenAI经审计财报，2025年营收130.7亿美元，运营亏损209亿美元，Q1 2026单季现金消耗37亿美元，IPO前底牌尽显。 OpenAI秘密提交S-1文件，最快秋季上市，高盛摩根士丹利为承销商 来源：OpenAI官方公告 / 新浪财经 时间：2026-06-08 一句话摘要：OpenAI主动披露已秘密提交IPO申请，高盛与摩根士丹利担任承销商，目标估值超万亿美元，具体时间仍未确定。 智谱GLM-5.2上线开源：1M无损上下文，Code Arena全球可用模型第一 来源：腾讯新闻 / 知乎 时间：2026-06-17 一句话摘要：智谱开源旗舰GLM-5.2以MIT协议发布，专攻长程任务，在CodeArena盲测编程榜拿到全球可用第一，HuggingFace首次为中国模型提供免费算力支持。
