据ARC Prize在X平台披露，ARC-AGI-2半私测结果显示：Kimi K2.5 得分12%（$0.28），Minimax M2.5 得分5%（$0.17），GLM-5 得分5%（$0.27），DeepSeek V3.2 得分4%（$0.12），整体低于2025年7月前沿实验室模型水平（来源：ARC Prize，信息由Ethan Mollick转发）。据ARC Prize，这表明当前中国产开源权重模型在窄域任务有优势，但在泛化与分布外推理上明显弱于领先闭源模型，影响需要强鲁棒性的商业场景，如多步骤推理、复杂工具链与自治体代理。依据ARC Prize披露的成本与得分对比，尽管推理成本具备价格优势，但单位成本的推理产出不足，企业可考虑“混合架构”：以闭源前沿模型承载高难度推理，将开源权重模型用于成本敏感、领域限定的工作负载。

据 DeepLearning.AI 在 X（Twitter）发布的信息，Andrew Ng 在《The Batch》中指出，AI 将通过显著提升生产率与产品产能创造新工作并扩大就业，同时强调 GLM-5 将开源权重模型的性能进一步逼近前沿（来源：DeepLearning.AI 在 X 的帖子）。据 DeepLearning.AI 报道，这为企业带来以开源权重大模型进行低成本定制、企业级微调与本地合规部署的机遇。根据 DeepLearning.AI，总结性落地方向包括围绕 GLM-5 级别模型打造行业助理、代码助理与结构化数据抽取，以转化为可衡量的效率提升。