AMiner大数据
数据产品运营
|
北京智谱华章科技有限公司
关注获取每周AI最新行业动态、前沿论文和技术解读，公众号AMiner Research
获得徽章 0
#挑战每日一条沸点#
智谱发布新一代旗舰模型GLM-4.5，开源SOTA智能体模型：
智谱AI正式推出GLM-4.5系列模型，专为智能体应用打造，同步在Hugging Face与ModelScope平台开源，采用MIT License。该模型在推理、代码、智能体综合能力上达到开源领域SOTA（State-of-the-Art），实测国内最佳。
GLM-4.5首次在单一模型中实现推理、编码与智能体能力原生融合，满足复杂应用需求。采用混合专家（MoE）架构，GLM-4.5总参数3550亿（激活320亿），GLM-4.5-Air总参数1060亿（激活120亿），参数效率显著优于同类模型。模型支持思考模式（用于复杂推理与工具调用）和非思考模式（实现即时响应）。
性能实测中，GLM-4.5在全球12项权威评测（MMLU Pro、AIME24、SWE-Bench等）位列全球第三、国产开源模型第一。在52个真实编程开发任务的人工对比评测中，其工具调用可靠性与任务完成度超越Kimi-K2、Qwen3-Coder等开源模型，接近Claude-4-Sonnet水平，尤其在复杂任务与长代码生成中表现更优。
API调用价格低至输入0.8元/百万tokens、输出2元/百万tokens，高速版生成速度达100 tokens/秒。应用场景覆盖全栈开发，可独立完成前端网页、后端数据库管理及工具调用，已实现搜索引擎、B站弹幕、微博发布等交互应用。多模态创作支持动态小游戏（如Flappy Bird）、PPT制作（自主搜索资料/配图）及多比例图文生成。
开放平台BigModel.cn已上线API，一键兼容Claude Code框架。国内用户可通过智谱清言（chatglm.cn）、海外用户通过z.ai免费体验满血版。开源资源包括GitHub仓库（GitHub - zai-org/GLM-4.5: GLM-4.5: An open-source large language model designed for intelligent agen）及Hugging Face/ModelScope模型下载。
更多AI科研资讯可关注Aminer全球科研平台，或关注【Aminer Research】公众号，获取最新全球AI科研动态！
智谱发布新一代旗舰模型GLM-4.5，开源SOTA智能体模型：
智谱AI正式推出GLM-4.5系列模型，专为智能体应用打造，同步在Hugging Face与ModelScope平台开源，采用MIT License。该模型在推理、代码、智能体综合能力上达到开源领域SOTA（State-of-the-Art），实测国内最佳。
GLM-4.5首次在单一模型中实现推理、编码与智能体能力原生融合，满足复杂应用需求。采用混合专家（MoE）架构，GLM-4.5总参数3550亿（激活320亿），GLM-4.5-Air总参数1060亿（激活120亿），参数效率显著优于同类模型。模型支持思考模式（用于复杂推理与工具调用）和非思考模式（实现即时响应）。
性能实测中，GLM-4.5在全球12项权威评测（MMLU Pro、AIME24、SWE-Bench等）位列全球第三、国产开源模型第一。在52个真实编程开发任务的人工对比评测中，其工具调用可靠性与任务完成度超越Kimi-K2、Qwen3-Coder等开源模型，接近Claude-4-Sonnet水平，尤其在复杂任务与长代码生成中表现更优。
API调用价格低至输入0.8元/百万tokens、输出2元/百万tokens，高速版生成速度达100 tokens/秒。应用场景覆盖全栈开发，可独立完成前端网页、后端数据库管理及工具调用，已实现搜索引擎、B站弹幕、微博发布等交互应用。多模态创作支持动态小游戏（如Flappy Bird）、PPT制作（自主搜索资料/配图）及多比例图文生成。
开放平台BigModel.cn已上线API，一键兼容Claude Code框架。国内用户可通过智谱清言（chatglm.cn）、海外用户通过z.ai免费体验满血版。开源资源包括GitHub仓库（GitHub - zai-org/GLM-4.5: GLM-4.5: An open-source large language model designed for intelligent agen）及Hugging Face/ModelScope模型下载。
更多AI科研资讯可关注Aminer全球科研平台，或关注【Aminer Research】公众号，获取最新全球AI科研动态！
展开
评论
1
#每日快讯#
Nature独家统计：二十一世纪引用量最高的论文，花落谁家？
2025 年 4 月 15 日，《Nature》杂志新闻团队发布了 21 世纪被引用次数最多的 25 篇论文统计。此次统计选用 Dimensions、Web of science等五个论文数据库，并采用中位数排名法减少统计误差。
在众多论文中，华人作者何恺明等人撰写的《Deep Residual Learning for Image Recognition》脱颖而出，成为 21 世纪被引用最多的论文。该论文提出的 ResNets 对深度学习和 AI 发展影响深远，AlphaGo、ChatGPT 等均从中受益。何恺明本人如今也是全球人工智能领域顶尖科学家。
除这篇论文外，榜单中还有不少明星论文。如2017 年的《Attention is all you need》引入 Transformer 架构，是 ChatGPT 等大语言模型的核心技术支撑；2017 年的《ImageNet Classification with Deep Convolutional Neural Networks》展示了深度学习在图像识别领域的巨大潜力 ，其作者 Geoff Hinton 去年荣获诺贝尔物理学奖。
在 25 篇高引用论文中，AI 论文表现突出。这得益于 AI 的交叉学科属性，其技术可广泛应用于生物医学、社会科学等众多领域。同时，许多 AI 论文会随开源代码或工具发布，助力 了AI 论文传播。而且，不少 AI 论文通过预印本提前发布，提前积累引用量。除 AI 领域，研究软件、癌症与健康研究领域也有多篇论文上榜。
不过，这份榜单也引发学术界争议，争议核心在于高引用是否等同于高价值。部分学者指出，一些高引用论文是评论综述类，并非突破性发现，如排名第三的心理学方法梳理论文。此外，还存在领域偏见问题，重大科学突破的论文未上榜，这与引用机制的 “马太效应” 有关，方法类论文易被频繁引用，而突破性研究因难度大、周期长，短期内引用量难快速增长。
但这份榜单仍有重要意义，它映射出学术研究的现状，让我们看到 AI 等领域的蓬勃发展，也促使我们反思学术评价体系存在的问题。
更多详情可关注AMiner全球科研平台，或关注【AMiner Research】公众号，获取最新全球科研动态！
Nature独家统计：二十一世纪引用量最高的论文，花落谁家？
2025 年 4 月 15 日，《Nature》杂志新闻团队发布了 21 世纪被引用次数最多的 25 篇论文统计。此次统计选用 Dimensions、Web of science等五个论文数据库，并采用中位数排名法减少统计误差。
在众多论文中，华人作者何恺明等人撰写的《Deep Residual Learning for Image Recognition》脱颖而出，成为 21 世纪被引用最多的论文。该论文提出的 ResNets 对深度学习和 AI 发展影响深远，AlphaGo、ChatGPT 等均从中受益。何恺明本人如今也是全球人工智能领域顶尖科学家。
除这篇论文外，榜单中还有不少明星论文。如2017 年的《Attention is all you need》引入 Transformer 架构，是 ChatGPT 等大语言模型的核心技术支撑；2017 年的《ImageNet Classification with Deep Convolutional Neural Networks》展示了深度学习在图像识别领域的巨大潜力 ，其作者 Geoff Hinton 去年荣获诺贝尔物理学奖。
在 25 篇高引用论文中，AI 论文表现突出。这得益于 AI 的交叉学科属性，其技术可广泛应用于生物医学、社会科学等众多领域。同时，许多 AI 论文会随开源代码或工具发布，助力 了AI 论文传播。而且，不少 AI 论文通过预印本提前发布，提前积累引用量。除 AI 领域，研究软件、癌症与健康研究领域也有多篇论文上榜。
不过，这份榜单也引发学术界争议，争议核心在于高引用是否等同于高价值。部分学者指出，一些高引用论文是评论综述类，并非突破性发现，如排名第三的心理学方法梳理论文。此外，还存在领域偏见问题，重大科学突破的论文未上榜，这与引用机制的 “马太效应” 有关，方法类论文易被频繁引用，而突破性研究因难度大、周期长，短期内引用量难快速增长。
但这份榜单仍有重要意义，它映射出学术研究的现状，让我们看到 AI 等领域的蓬勃发展，也促使我们反思学术评价体系存在的问题。
更多详情可关注AMiner全球科研平台，或关注【AMiner Research】公众号，获取最新全球科研动态！
展开
1
2