Perplexity於2026年7月9日發布了Z.AI的GLM 5.2模型的後訓練版本研究預覽，該版本內置於其電腦代理系統中，現已投入生產。該系統在各基準測試中的成本僅為Claude Opus 4.8的三分之一。公司對開源的中文模型進行微調，使其能作為協調者，僅在必要時升級到前沿模型，這是Perplexity在18個月內第二次對中文開源模型進行微調，緊隨R1-1776之後。
Perplexity利用顧問工具微調GLM 5.2以降低成本
GLM 5.2是來自Z.ai（前身為智樸AI）的一款擁有7440億參數的模型，該公司位於北京，自2025年1月起被列入美國實體清單。該模型於6月以MIT許可證發布，與目前在長期程式碼基準測試中表現優異、API成本較低的頂尖AI模型並列。參數是模型在訓練過程中可以調整的各種旋鈕和配置。
Perplexity利用後訓練教會GLM 5.2一項關鍵技能：判斷何時自行處理任務，何時升級到更強大的模型。微調後的GLM 5.2包含Perplexity所稱的「顧問工具」——一個原生能力，能識別查詢是否超出其能力範圍，並將其交由第三方前沿模型處理。大多數任務從未到達昂貴的模型。
「與顧問配合使用時，該模型的表現可媲美Opus 4.8，且成本僅為其一部分，」CEO Aravind Srinivas在X上寫道。
Perplexity將該系統與普通的GLM 5.2進行基準測試，以建立成本基準。利用公司內部的效率指標衡量完成複雜任務的成本，結果顯示，帶有顧問的微調模型運行成本約為基本版本的兩倍。使用頂級的Opus 4.8模型處理所有任務則昂貴得多（約高出600%）。通過結合這些工具，Perplexity的系統能以約三分之一的價格達到與Opus相同的性能水準。
微調流程重新訓練基礎模型以專注於特定資料集
微調是將已訓練好的AI模型在較小、專注的資料集上進行再訓練，以提升其在特定任務上的表現。Perplexity利用後訓練——在模型主要訓練完成後進行的類似流程——來教會GLM 5.2何時自行處理任務，何時升級。
開發者獲得一個基礎模型，並加入不同設定，使微調後的模型在特定領域擁有更多知識，或具有不同的政治偏見、限制程度。開源權重意味著任何人都可以下載、修改並商業微調，無限制。Perplexity正是如此操作。
開源MIT許可證允許商業修改
GLM 5.2的MIT許可證使得操作變得簡單：沒有API合約可違反，也沒有政府能切換的存取權限。你下載權重，即可根據需要進行微調。
Perplexity曾經走過這條路。2025年初，DeepSeek R1席捲AI界時，該公司將其微調為R1-1776——映射約300個因中國政府審查而拒絕討論的主題，並重新訓練模型，使其更偏向美國。
「我們無法在不先減少偏見和審查的情況下，充分利用R1的強大推理能力，」Perplexity團隊當時在部落格文章中寫道。
這次GLM 5.2的動作遵循相同範例，但這次的目標不是政治，而是經濟。Perplexity的電腦產品已經協調了19個以上的AI模型；微調後的GLM旨在成為廉價的預設模型，承擔大部分任務，僅在必要時才觸及前沿模型。
Srinivas表示，長期的論點很簡單：在已經服務數百萬用戶的代理系統中，微調開源模型以提升升級能力。Perplexity「處於獨特位置」來解決這個問題，因為基礎設施已經大規模部署。
模型在美國使用Nvidia B200 GPU運行
該模型在美國的Nvidia B200 GPU上運行。下一步：對Nemotron 3 Ultra進行後訓練，將使用美國開源模型複製相同架構。
完整基準測試和研究論文預計在未來幾週內發布。該模型目前作為研究預覽提供。
常見問題
Perplexity於2026年7月9日發布了什麼？
Perplexity發布了Z.AI的GLM 5.2模型的後訓練版本研究預覽，該版本內置於其電腦代理系統中，現已投入生產。該系統在各基準測試中的成本僅為Claude Opus 4.8的三分之一。
Perplexity微調的GLM 5.2如何降低成本？
微調後的GLM 5.2包含一個「顧問工具」，能識別查詢是否超出其能力範圍，並將其交由第三方前沿模型處理。大多數任務從未到達昂貴的模型。Perplexity進行基準測試，發現其在成本上約為Opus 4.8的三分之一，卻能達到相同的性能。
Perplexity下一個計劃微調的模型是什麼？
下一步是對Nemotron 3 Ultra進行後訓練，將使用美國開源模型複製相同架構。該模型在美國的Nvidia B200 GPU上運行。
