中国的Z.ai声称它可以在网络安全方面与Mythos相媲美
智谱AI（Z.ai）发布开源模型GLM-5.2，部分研究显示其在漏洞发现和网络安全任务上接近Anthropic的Mythos水平，但通用能力仍落后于Anthropic和OpenAI。
标签： AI
Can’t install/re-install Krita macos
用户在 Krita 中打开 AI Diffusion 插件（涉及 issue #2505 的 bug），插件提示更新到 1.51.1，但自动检测版本始终显示1.51.0为最新版，点击“Download and install”后要求重启 Krita，重启后又回到同一步骤，形成无限循环。该问题在 ma
阿里巴巴百炼平台连通检测以及获取模型失败
用户在 LobeChat v2.2.8 版本（通过 Docker 自托管在 Linux 上）中配置阿里百炼平台自定义模型提供商时，使用带空间 ID 的专属端点：
[Bug]: ExcelParser drops cells with value 0 or False
![[Bug]: ExcelParser drops cells with value 0 or False](https://www.chat-gpts.plus/wp-content/uploads/2026/06/16421-f8e0440e-768x403.jpg)
用户在 RAGFlow 中上传包含数字 0 或 False 值的 .xlsx 文件并进行解析时，发现提取出的文本中缺失了这些单元格内容。例如，Excel 表格一行数据为 [Widget, 0]（项目名称 + 数量），解析结果中遗漏了“Quantity: 0”字段。
[Bug]: Significant performance regression after upgrading from 1.80.5 to 1.81.x (UI + API slowness)
![[Bug]: Significant performance regression after upgrading from 1.80.5 to 1.81.x (UI + API slowness)](https://www.chat-gpts.plus/wp-content/uploads/2026/06/19921-01def1f2-768x403.jpg)
用户在使用 LiteLLM Proxy 时，将版本从 v1.80.5 升级到 v1.81.x（包括 v1.81.0 和 v1.81.3）。环境中包含 50 个内部用户、200 个模型，连接至 PostgreSQL 数据库，每秒约 10 个请求（10 RPS），并开启了回调至 Langfuse OTE
Eval bug: Step 3.7 Flash gets stuck in reasoning trying to make tool calls (autoparser)
用户运行 llama.cpp 的 llama-cli （版本 9524, 59917d392），在 macOS（Apple M1, Metal 后端）上加载 Step 3.7 Flash 模型，使用 pi agent 且启用了工具调用功能。模型在推理过程中陷入重复模式，表现为：模型似乎要执行工具调用
RuntimeError: Trying to backward through the graph a second time (or directly access saved tensors after they have already been freed). Saved intermediate values of the graph are freed when you
在 Huggingface Diffusers 库中使用 Flux2 模型（transformer_flux2.py）进行训练或微调，启用了梯度检查点（gradient checkpointing）功能。具体发生在调制（modulation）计算的输出以元组（tuple of Tensors）形式传
When entering the container to perform the database upgrade operation, an issue occurred.
用户在 Dify 1.15.0 自托管（Docker）环境中，进入容器后执行数据库升级命令时触发。
Anthropic 调研：约半数 Claude 用户称 AI 已可承担一半以上的工作
Anthropic 发布的用户调研显示，约半数 Claude 使用者反馈该 AI 已能完成自身 50% 以上的工作内容；同时，未来一年预计这一比例还将继续扩大。这一结果说明大模型正在从辅助工具走向实际生产的主力角色，对远程办公、内容创作和代码开发等场景的渗透速度超出预期。
Model quantized via sinq broken after save_pretrained and from_pretrained
用户在 Hugging Face Transformers 中使用 SinqConfig 量化模型（如 google/gemma-4-E4B-it ），执行 model.save_pretrained(save_dst) 后，再通过 AutoModelForCausalLM.from_pretrai