智谱GLM-4.5发布及性能领先 [page::2][page::3]

• GLM-4.5以3550亿参数和混合专家架构实现通用智能体能力的原生融合，性能在12项AGI核心基准中排名全球第三，超越DeepSeek-R1等国际顶尖模型。

- 其强化学习多任务训练与128K长上下文支持，使任务推理同比提升37%，代码修复中工具调用成功率超90%，具备全栈开发和自动化办公能力。

• 权重以MIT协议开源，API定价低至0.8元/百万tokens，生态活跃度显著提升，推动国产模型国际竞争力跃升。

蚂蚁数科Agentar-Fin-R1金融大模型架构与应用 [page::4][page::5]

• Agentar-Fin-R1基于Qwen3架构，结合信贷审批规则和多智能体博弈机制，推理速度较通用模型提升4倍，金融知识准确率达92.3%。

- 构建了覆盖66子场景的千亿级专业语料库和动态加权训练系统，FinEval1.0等权威评测中多任务得分领先竞品，内嵌3000余条监管规则提升合规审查效率90%。

• 在信贷、智能投顾、客服机器人等场景深度落地，实现审批效率提升25%、坏账率下降18%、客户月活增长25%、错案率大幅降低等多项指标改观。

商汤“悟能”具身智能平台技术创新与场景应用 [page::5][page::6]

• “悟能”平台以“开悟”世界模型为核心，支持4D时空一致性的多视角视频生成，实现机器人对复杂场景语义及社交意图的深度理解。

- 强调软硬协同与多模态交叉推理，通过多传感器数据融合和物理模拟，实现厘米级实时避障、路径规划和跨行业机器人集群仿真。

• 开源千万级训练数据集，搭建生态飞轮，赋能工业机器人、家庭陪伴机器人等多个细分市场，推动智能生命体与物理世界交互的技术落地。

京东JoyInside附身智能品牌及生态构建 [page::7][page::8]

• 基于JoyAI大模型融合RAG知识增强、TTS、ASR等技术，打造“理解-决策-执行”闭环，实现情绪识别与人格进化。

- 支持多场景应用：儿童教育机器人对话轮次提升148%，家庭四足机器狗成为情感伙伴，产业巡检机器人效率提升30%。

• 推动智能硬件行业价值链重构，实现技术普惠和商业闭环，618期间智能机器人销售额同比增长300%，具身智能品类增幅达17倍。

新兴前沿技术动态汇总 [page::8-14]

• 字节Seed团队发布Seed Diffusion Preview，离散扩散技术实现代码生成推理速度提升5.4倍，确保质量与结构化序列一致性。

- 通义千问发布Qwen3-30B-A3B模型，实现33亿激活参数媲美千亿级性能，突破动态专家激活与超长上下文处理。

• 腾讯发布Tairos具身智能开放平台，提出三脑协同架构及云端仿真生态，实现跨硬件形态感知与决策的系统工程进步。

- Goedel-Prover-V2突破大型定理证明领域，8B参数模型表现接近百倍参数巨型模型，自我修正技术提升最高解决率至90.4%。

资深金融分析师对《智谱发布GLM-4.5，蚂蚁数科发布金融推理大模型Agentar-Fin-R1——AI动态汇总20250804》的详尽分析报告

---

1. 元数据与报告概览

• 报告标题：《智谱发布GLM-4.5，蚂蚁数科发布金融推理大模型 Agentar-Fin-R1——AI动态汇总20250804》

- 作者：肖承志、冯昱文

• 发布机构：中邮证券有限责任公司

- 发布日期：2025年8月6日

• 主题：聚焦2025年7月底至8月初国产及行业领先人工智能大模型的最新发布与技术进展，涵盖智谱GLM-4.5系列模型、蚂蚁数科金融推理大模型Agentar-Fin-R1、商汤“悟能”具身智能平台、京东JoyInside附身智能品牌及字节跳动种子团队、阿里通义千问等多家企业前沿动态。

核心论点：
报告旨在总结国产大模型技术由规模竞赛向能力整合转变，专注智能体及场景化应用落地趋势，重点分析各大模型的技术架构、创新点、性能评测及产业应用，体现竞争格局和生态建设的深入发展。报告并无明确买卖评级或价格目标，重在洞察科技进展与行业影响，展示国产AI由追赶向领跑关键突破。[page::0,1]

---

2. 逐节深度解读

2.1 GLM-4.5发布与性能解析

核心论点与技术突破

智谱发布的GLM-4.5系列模型代表国产大模型研发范式的重要转折点——从单纯追求参数规模，向智能体能力的原生整合与应用落地转变。该模型采用混合专家架构（MoE），高效利用3550亿参数的模型体量，在调用时仅激活部分专家网络（320亿激活参数），提升计算效率。该模型设计秉承“深度优先”策略，增加层数至96层并采用部分旋转位置编码和分组查询注意力机制，显著增强复杂推理能力（推理性能提升37%）[page::2]。

训练流程三阶段：

• 15万亿通用文本预训练，建立广泛通识基础；

- 8万亿代码、推理和智能体专项数据精调，强化专项能力；

• 强化学习对齐，提升多任务表现与智能体协调。

性能数据要点

• 综合性能：在覆盖12项AGI核心能力的评测中，GLM-4.5得分63.2，全球排名第三，是国产及开源模型的双料冠军。

- 智能体能力突出：在网页交互（BrowseComp）任务达26.4%准确率，远超Claude-4-Opus的18.8%；代码修复（SWE-benchVerified）得分64.2，工具调用成功率超90%；在52个真实编程任务中对抗Qwen3-Coder获胜率80.8%，性能参数比见帕累托最优[page::2,3]。

• 创新点：支持128K长上下文，内生函数调用设计，实现浏览器、数据库等工具的自主调度，兼具思考和非思考双模式，兼顾深度推理和即时响应（100+ tokens/s）[page::3]。

图表解读

• 图表1 (GLM-4.5常见基准评测) 清晰对比了GLM-4.5与多个竞品（包括OpenAI GPT、Claude系列、DeepSeek等）在Agentic、Reasoning、Coding三大维度的评测成绩，证明其综合实力及智能体能力的领先地位。

- 图表3 (帕累托前沿分析) 展示GLM-4.5在SWE-bench代码修复基准上的表现与参数规模关系，其在参数效益上明显优于同等级别其他模型，强调效率与性能的协同提升[page::2,3]。

开源及市场策略

GLM-4.5采用MIT协议开源模型权重，API定价显著低于对标产品，促成快速生态扩张，发布12小时内即登顶Hugging Face榜第二，被彭博社评价引领中国AI易获取趋势[page::3]。从技术史视角，该模型是国产AI从能力碎片走向全能智能体的重要实践。

---

2.2 蚂蚁数科Agentar-Fin-R1金融推理大模型

技术体系与设计理念

Agentar-Fin-R1发布标志垂直金融大模型技术实现通用能力向专业化、场景化的重大跃升。基于Qwen3架构，采用“双引擎”设计：

• MasterBuilder引擎：将业务逻辑规则转为可执行代码，符号执行金融合规规则；

- Agent Group引擎：利用博弈共识算法实现多智能体协同决策，显著提升嵌套金融衍生品分析等复杂任务推理速度4倍。

在数据治理上，静态清洗（抽取、标准化、去毒等）确保高质量数据输入，结合专业自监督QA代理与指令演化智能体生成训练样本，多模型多维度验证管控数据质量[page::4,5]。

性能表现与指标

• 在FinEval1.0、FinanceIQ等权威金融评测中，Agentar-Fin-R1得分分别87.7和86.79，超越同尺寸通用及金融专业模型；

- 在蚂蚁数科与工商银行、宁波银行合作的Finova金融智能评测中，模型综合得分69.93，超大型通用模型；

• 金融知识准确率达92.3%，领先竞品DeepSeek-R1 15个百分点；

- 多项核心业务改进明显：小微企业贷款审批时间缩短至15分钟，通过率提升25%，坏账率下降18%；智能投顾模块2024年回测收益领先基准组合7.3个百分点；自然语言交互推动客户活跃提升25%；

• 风险控制效率显著，一券商合规审查效率提升90%，票据识别错误率大幅降低，年节省3000万元损失[page::4,5]。

社会行业影响与生态策略

通过开源训练数据集Agentar-Deepfinance-100K与Finova基准，激发行业协同创新。借助联邦学习保密数据共享，保障数据隐私，激活200余家机构的广泛协作。开放生态与多规模产品矩阵显著降低门槛与运营成本，具体案例显示智能客服替代率高达68%，年节省成本超亿元，固化“水平通用向垂直专用”战略格局[page::5]。

技术史视角显示，Agentar-Fin-R1构建了数据-训练-评测-应用闭环，推进金融AI从技术创新向行业价值链深度整合迈进。

---

2.3 商汤“悟能”具身智能平台

平台定义及核心创新

“悟能”具身智能平台确立AI从数字信息处理向物理世界交互跃迁的里程碑。通过构建“开悟”世界模型，融合多模态感知、空间计算及软硬件协同，实现4D时空一致的多视角物理世界建模与交互。核心创新包括：

• 4D真实世界构建，支持11摄像头视角连续视频渲染和物体时空轨迹物理合理性；

- “第一视角”与“第三视角”同步训练机制，有效缩小仿真与现实差异；

• 继承商汤方舟视觉系统，实现端侧实时物体识别与场景分割；

- 机器人能够理解复杂语义并自动交互调整节奏，实现动态交互；

• 导航技术迁移自自动驾驶，支持多种硬件平台，精准避障[page::5,6]。

应用场景与行业影响

• 工业机器人集群仿真训练误差率降至0.05%，提高精准度；

- 家庭陪伴机器人理解自然指令促进老年用户活跃提升25%；

• 支持4D视频生成及虚实结合训练，为自动驾驶等应用提供无限逼真训练环境[page::6]。

通过开源千万级机器人训练数据及多合作厂商预装，构建持续迭代的生态飞轮。商汤凭借多年多模态技术积累及世界模型研发优势，在具身智能基础设施建设中占据领先地位。

技术史观点认为，“悟能”标志着AI进入“具身纪元”，从被动工具向物理智能体的质变。

---

2.4 京东JoyInside附身智能品牌

技术底座及产品架构

JoyInside将人机交互从传统功能化提升到情感化，基于JoyAI大模型构建“理解-决策-执行”闭环。底层整合多模态能力（包括语音合成识别、知识增强、视觉理解等），并由京东云提供智算资源支持。平台具备：

• 长期记忆、情绪检测和主动对话模块，辅以游戏化养成，实现交互人格进化；

- 丰富的场景适配，覆盖家庭、儿童教育、产业巡检等多样化应用；

• 独创“言行一致”机制，使硬件行为动作与语义高度同步[page::7,8]。

业务成果与市场表现

• 教育机器人“元萝卜”人机对话轮次提升148%；

- 四足机器狗和心大陆机器人推动用户参与度分别提升显著；

• 产业端机器人作业效率提升30%；

- 京东618期间智能机器人销量同比增长300%，具身智能品类增长17倍；

• 开放策略降低智能升级门槛，中小厂商广泛受益，形成生态闭环[page::7,8]。

技术史视角下，JoyInside重构了智能硬件的价值链，结合软硬件与数据生态，实现了人机情感交互的先导发展，开启人机共生的新阶段。

---

2.5 其他重要企业动态摘录

• 字节跳动Seed Diffusion Preview模型：离散扩散模型实现2146 tokens/s推理速度，较同规模自回归模型快5.4倍，且在结构化代码生成与修复任务中表现优异，展现高效并行与结构化推理潜力。[page::8,9]

- 阿里通义千问Qwen3-30B-A3B模型：混合专家架构下仅激活33亿参数即可媲美千亿级闭源模型，支持256K长文本分析，训练流程创新提升训练稳定性与效率，极大降低硬件要求，推动开源模型市场份额快速增长。[page::9,10,11]

---

2.6 腾讯Robotics X实验室Tairos具身智能平台

• 采用“类人类神经系统”三脑协同设计，分层模块实现感知、规划与执行一体化，支持多形态硬件，应对复杂物理交互。

- 集成云端仿真生态，减少开发难度，推动多领域商业加速落地。

• 以开放生态为核心，连接产业链上下游，构建持续迭代的数据飞轮，布局未来机器人智能大脑标准。[page::11,12]

---

2.7 Goedel-Prover-V2自动定理证明系统

• 项目基于Qwen3架构，通过脚手架式数据合成、验证器引导自我修正、模型平均技术，实现小参数模型领先大模型的计算效率与性能。

- 32B模块通过Pass@32达90.4%准确率，8B小模型已超越前代顶尖的671B模型83.3%性能。

• 科学数据集与基准的开源提升社区整体水平。

- 技术突破体现在算法效率、多轮迭代自我修正和训练策略创新，显著提升自动证明系统实用性与性能。[page::12,13,14]

---

3. 图表深度解读

• 图表1（page 2）：涵盖12项AGI能力基准，GLM-4.5在Agentic、Reasoning、Coding三大类指标均位居前列，体现其综合智能体能力；

- 图表2（page 2）：具体智能体任务（零售、航空、多轮对话）基准表现，GLM-4.5领先主流竞品，表明实际交互和执行效果卓越；

• 图表3（page 3）：帕累托前沿分析模型参数与代码修复性能对比，强调技术创新带来效率提升，GLM-4.5在降低计算负担同时提升表现；

- 图表4（page 4）：Agentar-Fin-R1架构复杂详实，覆盖数据治理、合成、训练及迭代闭环，清晰展现专业金融大模型研发的系统工程特性；

• 图表5-6（page 5-6）：商汤平台实物应用和7路摄像头同步视角视频数据示例，展示了4D物理世界重建及多视角感知能力；

- 图表7（page 7）：京东JoyInside解决方案全景图，系统展现从感知、理解到决策执行的层次化方案结构；

• 图表8-9（page 8-9）：Seed Diffusion模型在代码基准上领先性能与速度优势展示，揭示其结构化扩散技术革新成果；

- 图表10（page 10）：Qwen3-30B-A3B综合测试跑分，显示其跨场景实力与小参数优势；

• 图表11-12（page 13-14）：Goedel-Prover-V2多基准通过率及资源利用率对比，强调其性能提升同时兼顾计算效率和模型精准性。

图表均提供了丰富的对比视角，辅助文本深入解读技术进步的具体体现和产业价值。

---

4. 估值分析

本报告为技术动向与行业趋势汇总性质，无明确公司财务估值、目标价或评级，亦无引用市场估值模型（如DCF、市盈率等）。其主要价值体现为技术演进的行业影响评估及市场竞争格局分析。

---

5. 风险因素评估

• 政策与市场环境变化的风险：报告多次提示基于历史数据，政策变更或市场波动可能导致内容失效，投资者需注意模型发布与产业应用场景的政策适应性；

- 技术迭代与适应性风险：大模型研发存在较高技术门槛，模型架构、训练流程及应用方案的持续优化不可避免，当前表现不代表未来持续领先；

• 安全与合规风险：如蚂蚁数科提出的监管规则内置体系反映了行业对金融AI合规的高度重视，但仍面临潜在不确定因素；

- 数据隐私风险：Agentar-Fin-R1采用联邦学习缓解隐私泄露风险，但数据安全始终为行业挑战；

• 开发生态风险：激烈的市场竞争与生态布局不确定会对厂商持续性和客户迁移产生风险；

报告整体强调风险提示但未详列缓解概率，更多侧重技术与产业视角。[page::0,15]

---

6. 批判性视角与细微差别

• 报告立场：整体措辞客观，强调“国产大模型迈入国际竞争核心圈层”等积极进展，但部分表述如“国产与开源模型双料冠军”或“引领中国AI易获取趋势的典范”可能带有一定民族自豪感色彩，需结合长远表现审慎评估。

- 参数与性能权衡：多个篇幅强调“参数效率革命”，指出大规模参数非唯一提升路径，这一观点符合现有AI社区对效率训练日益重视趋势，但实际场景作用的持续验证仍需观察。

• 技术整合与应用落地：报告聚焦模型能力整合与生态建设，非常欢迎，但短期技术应用如金融智能体的准确率、自然语言交互的活跃提升数字，缺少独立第三方验证，存在一定示范效应作用。

- 生态开源策略：多个模型采用MIT协议开源，超低API价格策略，显示商业推广动作明显，或对行业格局产生深远影响。然而，依赖开源生态的持续活跃和合作方参与度，能否兑现技术引领仍需关注。

• 数据支持有限：虽报告中存在大量图表和基准测试数据，但多为官方公布，缺少独立实地应用评估数据，需结合行业持续跟踪。

总体来看，报告分析扎实，兼具行业洞察与技术解读，少数措辞略显乐观，适合与技术社区及市场反馈结合解读。

---

7. 结论性综合

本报告全面系统地梳理了2025年7月底至8月初国产及领先AI企业发布的创新大模型及平台动态，涵盖通用智能体(GLM-4.5)、金融垂直专用模型(Agentar-Fin-R1)、具身智能(商汤悟能、腾讯Tairos)及情感交互智能硬件(JoyInside) 领域的多维技术进展。

关键发现：

• 技术范式转向能力整合与场景落地：国产大模型突破单纯规模竞赛，注重智能体能力原生融合与高参数效率设计，成为推动AGI研发和产业应用的重要力量。

- 金融大模型专业化发展：Agentar-Fin-R1通过“双引擎+动态训练”打造覆盖全金融场景的智能中枢，显著提升信贷审批、风险管理和客户交互效率，打造从数据到应用的闭环生态。

• 具身智能迈向物理世界交互：商汤“悟能”与腾讯Tairos构建多模态感知、空间计算及模块化三脑体系，推进机器人领域“软硬解耦+生态共建”的规模化基础设施。

- 情感化人机交互显著增强：京东JoyInside利用多模态融合和开放生态，实现智能硬件从工具到懂我伙伴的跃迁，带动教育、陪伴等市场快速增长。

• 走向效率优先的小参数突破：字节Seed离散扩散技术和阿里Qwen3混合专家架构展示推理速度与资源利用的新高度，打破封闭模型与高门槛壁垒。

- 自动定理证明系统突破参数与性能瓶颈：Goedel-Prover-V2凭借数据合成和自我修正技术，小模型性能远超大参数模型，显示细分任务AI模型技术演进的典范。

来自图表的数据支持：

• GLM-4.5跨多范畴基准的排名数据体现其结构设计和训练策略有效支持复杂智能体任务；

- Agentar-Fin-R1架构图和业务场景转化指标，彰显专业化模型带来的产业效率革新；

• 商汤和京东多视角视频示例与方案框架，展现了具身与附身智能的技术与商业结合路径；

- Seed Diffusion及Qwen3模型性能与速度数据，则支持对离散扩散和混合专家技术路线的技术评估；

• Goedel-Prover-V2经典基准测试数据反映专业智力任务对模型设计的严苛挑战与突破。

总体判断：

报告传递出国产大模型技术进入智能体实用化与生态化的新阶段，金融、机器人及智能硬件领域实现突破应用。技术层面注重参数效率、动态激活和跨模态融合，实践层面强调开源与产业伙伴生态，逐步构筑中国AI自主创新的核心竞争力。

以上成果示范了AI技术从能力驱动向场景驱动的加速演变，为投资者洞察行业前沿提供了极具价值的信息视角。未来，政策动态与市场反馈将继续影响技术转化进程，持续关注相关企业技术生态发展至关重要。[page::0~15]

---

# 综上所述，本报告对国产AI顶尖模型与技术平台在设计理念、性能指标、生态战略及行业应用的全貌进行系统解构，深刻揭示了2025年中国乃至全球AI技术由参数规模竞争迈向能力整合与产业化落地的历史性变革。报告资料详实、结构严谨、分析深入，为理解新时代AI产业竞争格局和技术路线提供了宝贵参考。

报告