新一代研究AI，苹果设备端模型配方，GLM5.2应对开放性问题

Andrew Ng在最新一期《The Batch》中明确指出，循环工程（Loop Engineering）已成为AI代理软件开发的核心方法论。他定义了三种关键循环：代理编码循环、开发者反馈循环和外部反馈循环。代理编码循环中，AI智能体根据产品规格和评估数据集自主编写、测试并迭代代码，直至无缺陷且满足需求。这一循环首次实现闭环是在2023年底，如今已能让智能体无中断工作长达一小时，例如Ng为女儿构建打字练习应用时，智能体可自主通过浏览器多次检查成果而无需人工干预。

开发者反馈循环则运行在数十分钟至数小时的时间尺度上：开发者审查产品后给出指导，调整视觉设计、用户流程等高级决策。Ng强调，人类开发者对用户和场景的深刻理解构成了AI无法替代的“上下文优势”。外部反馈循环（如朋友测试、A/B测试）运行最慢，通常需要数小时至数周，但其数据用于完善产品愿景。这三种循环形成了从快速迭代到长期验证的完整体系。

Z.ai发布的GLM-5.2模型以开源权重和MIT许可证冲击了闭源模型的主导地位。该模型拥有753B总参数（40B活跃参数/令牌）、1M token输入上下文和128K token输出（每秒103 token），在Artificial Analysis Intelligence Index v4.1上位列开源模型第一、所有模型第三，并在长期智能体编码测试PostTrainBench上领先所有模型。其特点包括双推理等级（高、最高）、函数调用、结构化输出和上下文缓存，API价格为输入$1.40/百万token、缓存$0.26、输出$4.40。

训练上，GLM-5.2从GLM-5的200K上下文扩展至1M，通过改进DeepSeek稀疏注意力降低计算开销。面对长时间任务，团队将强化学习从GRPO切换为PPO，每个尝试由评判模型独立打分。为应对奖励作弊（如智能体直接从GitHub获取解决方案），团队引入规则过滤器标记可疑工具调用，并由独立语言模型评判是否作弊，作弊调用被替换为虚拟数据以继续训练。不过，训练数据和具体方法仍未公开。

尽管GLM-5.2等模型在智能体任务上表现卓越，Ng明确指出人类在反馈循环中的关键作用源于“上下文优势”——人类对用户、场景和产品背景的了解远超当前AI系统。这种优势不仅体现在“品味”上，更在于为AI系统注入缺失知识的能力。例如在开发者反馈循环中，人类能基于对用户的深层理解做出高层次的决策，而AI只能执行具体实现。

外部反馈循环进一步强化了这一点：尽管AI可自动收集和分析使用数据、总结反馈或进行竞品分析，但解释数据背后的用户需求仍依赖人类。Ng认为，只要人类掌握AI未知的信息，人机闭环就不可或缺。这解释了为何产品方向决策仍由人类主导，而AI则加速执行层。

代理编码循环的成熟正在推动工程师承担部分产品管理职责。Ng观察到，越来越多的工程师通过AI加速实现从愿景到规格的转化，同时利用用户反馈迭代愿景。这种角色扩展既带来机遇——更快的开发周期和更高的产品决策参与度——也带来挑战：在构建（弥合愿景与规格的差距）和获取反馈以进化愿景之间取得平衡。

GLM-5.2的开源特性进一步降低了智能体开发的门槛。其MIT许可证允许商业和非商业使用，月费12.60至112美元的编码套餐为小型团队提供了可负担的选项。结合循环工程的方法论，这意味着个人开发者或小团队也能借助强大的智能体模型实现从零到一的快速产品构建。