智東西作者陳駿達編輯漠影

最近幾周，國產(chǎn)開源模型迎來一波集中爆發(fā)，互聯(lián)網(wǎng)大廠和AI獨角獸們紛紛甩出自家的開源王炸，接力登頂全球開源模型榜首。而就在本周，又有一款國產(chǎn)開源模型火爆全網(wǎng)。

這一模型來自素有“中國OpenAI”之稱的智譜，是其最新一代旗艦?zāi)Ｐ虶LM-4.5。發(fā)布時機也十分湊巧——剛好卡在網(wǎng)傳的OpenAI的GPT-5發(fā)布之前，同樣主打推理、編程、智能體等能力。

不過，智譜已經(jīng)憑借開源搶占了先機，在國內(nèi)外提前收獲了一波流量，官宣推文獲得77萬+閱讀，還獲得開源托管平臺HuggingFaceCEO的轉(zhuǎn)發(fā)支持。

發(fā)布后不到48小時，GLM-4.5已經(jīng)沖上了HuggingFace趨勢榜第一名，成為全球最受關(guān)注的開源模型之一，GLM-4.5-Air則位列第六。硅谷BenchmarK風投公司合伙人BilGurley發(fā)文稱：中國開源AI模型所產(chǎn)生的組合效應(yīng)非常強大，模型之間都可以互相改進，新模型的推出也更為容易。

值得注意的是，在WAIC前后，中國大模型的開源相繼“出圈”，月之暗面的K2、阿里的多款模型均有不俗表現(xiàn)，之后智譜GLM模型接力。就在今天，Hugging-Face開源模型榜單前10名幾乎全是中國大模型，CNBC認為，中國企業(yè)正在研發(fā)的人工智能模型不僅智能化水平提升，使用成本也持續(xù)降低。

更有一位海外AI博主制作了一張形象的梗圖，形容當前AI競爭格局的演變：全球AI大模型現(xiàn)已分裂為以中國模型為代表的開源派，與美國模型為代表的閉源派。近期，繼DeepSeek、Qwen之后，Kimi、GLM等國產(chǎn)模型也相繼重磅開源，給中國開源模型再添猛將，仿佛形成了中國AI“開源四杰”，與國際上的GPT、Claude、Gemini、Grok組成的“閉源四強”分庭抗禮。

GLM-4.5定位為融合推理、編碼和智能體能力的智能體基座模型，在涵蓋推理、編程、智能體等場景的12項基準測試中，GLM4.5的綜合性能取得了全球開源模型SOTA（即排名第一）、國產(chǎn)模型第一、全球模型第三的成績。

榜單之外，智譜還在真實場景中測試了模型的智能體編程能力，平行比較了Claude-4-Sonnet、Kimi-K2、Qwen3-Coder等模型。為確保評測透明度，智譜公布了上述測試中涉及的全部52道題目及Agent軌跡，供業(yè)界驗證復(fù)現(xiàn)。這點也獲得網(wǎng)友們的贊許。

同時，智譜為模型提供了極具性價比的API定價，API調(diào)用價格低至輸入0.8元/百萬tokens、輸出2元/百萬tokens；高速版最高可達100tokens/秒。此外，用戶也可在智譜清言和z.ai上免費使用滿血版的GLM-4.5。

近期，智東西已對GLM-4.5的多項能力進行了深度體驗，這款模型在實際生產(chǎn)場景中的效用令人驚喜。

體驗鏈接：

https://chatglm.cn

https://chat.z.ai/

模型倉庫：

https://huggingface.co/collections/zai-org/glm-45-687c621d34bda8c9e4bf503b

一、GLM-4.5一手實測：一句話打造完整數(shù)據(jù)庫，思考過程簡潔明晰

目前，已有許多國內(nèi)外網(wǎng)友上手體驗GLM-4.5模型，用它打造AI私人健身教練、生成網(wǎng)頁游戲、3D動畫等，其編程能力、完成長序列復(fù)雜任務(wù)的能力給人留下深刻印象。

這得益于GLM-4.5本次主打的智能體能力。相較于傳統(tǒng)的問答、摘要、翻譯等靜態(tài)任務(wù)，智能體任務(wù)對模型提出了更加嚴苛且立體的能力要求。集中展現(xiàn)了大模型在感知、記憶、規(guī)劃、執(zhí)行等方面的關(guān)鍵要素，也為后續(xù)多維能力提供了基礎(chǔ)。

智能體往往面向開放式環(huán)境，需要模型具備持續(xù)感知、長期規(guī)劃與自我修正能力。同時，智能體任務(wù)是一種復(fù)合流程，不僅涉及語言處理能力，還要求模型統(tǒng)籌調(diào)用工具、執(zhí)行代碼、操控接口，甚至進行多輪交互協(xié)作，真正考驗?zāi)Ｐ偷木C合調(diào)度能力。由此可見，智能體任務(wù)不僅是一種普通的任務(wù)形態(tài)，也可以說是一種“壓力測試”。

全棧開發(fā)便是一種典型的智能體任務(wù)。為測試相關(guān)能力，智東西向GLM-4.5提出了一項較為完整的開發(fā)任務(wù)——使用PHP+MySQL打造一個具有增刪改查功能中英雙語的術(shù)語庫。這項任務(wù)的難點之一在于，模型需要自行規(guī)劃項目的框架、明晰功能需求、數(shù)據(jù)庫具體設(shè)計等元素，如真正的工程師一般全面思考、解決問題。

智東西也曾將類似的題目交給其他模型，不過，許多模型都無法對項目框架進行合理規(guī)劃，甚至選擇在一個網(wǎng)頁文件中開發(fā)所有功能。因此，最終交付的結(jié)果無法部署在生產(chǎn)場景，更別提進一步修改、擴展了。

令人驚喜的是，GLM-4.5交付的結(jié)果較為完整，實現(xiàn)了既定的功能，并且速度較快，2分鐘左右便完成了3個核心頁面的開發(fā)，最終部署的效果如下：

這一結(jié)果或許得益于GML-4.5正式開始生成代碼前清晰的思考過程：它準確地判斷了項目性質(zhì)，也明白應(yīng)該生成哪些文件，這為后續(xù)的開發(fā)提供了明確的指引。思考過程也不拖泥帶水，看上去簡潔清晰。

▲部分對話記錄：https://chat.z.ai/s/50e0d240-2034-407b-a1b3-94248dd5f449

智譜的官方Demo則展示了GLM-4.5的更多能力，例如，它可以根據(jù)用戶需求，準確地復(fù)刻YouTube、谷歌、B站等網(wǎng)站的UI界面，可用于Demo展示等需求。

▲對話記錄：https://chat.z.ai/s/01079de2-a76d-41ee-b6ee-262ea36c4df7

或是打造一個讓用戶自主設(shè)計迷宮，系統(tǒng)查找路徑的網(wǎng)頁。

▲對話記錄https://chat.z.ai/s/94bd1761-d1a8-41c9-a2f4-5dacd0af88e9

這種全棧能力不僅能用于實際生產(chǎn)場景，拿來整活兒也是不錯的。智譜官方打造了一個量子功德箱，能實際互動，并將數(shù)據(jù)保存到后臺。

不過，GML-4.5開發(fā)上述項目的過程或許更值得深入探討。翻看智能體的執(zhí)行軌跡，可以看到，在與開發(fā)工具結(jié)合后，GLM-4.5可以更為端到端地完成任務(wù)。它先是創(chuàng)造了待辦清單，然后逐步完成任務(wù)，總結(jié)開發(fā)進展，并在用戶提出修改意見時，進行全面的核查和調(diào)試。

▲對話記錄：https://chat.z.ai/s/1914383a-52ac-48b7-9e92-fa105be60f3e

GLM-4.5還在PPT制作這一場景展現(xiàn)出不錯的能力。它可以按照用戶指定的頁數(shù)、內(nèi)容等打造完整、美觀的PPT，并結(jié)合搜索工具豐富PPT的視覺體驗。例如，下圖中，GLM-4.5為傳奇短跑運動員博爾特打造了一份職業(yè)生涯回顧PPT。

▲對話記錄：https://chat.z.ai/s/544d9ac2-e373-4abc-819b-41fa6f293263

我們已經(jīng)在上述多個案例中直觀感受到了GLM-4.5的能力。那么，這款模型背后究竟依靠哪些技術(shù)創(chuàng)新，才能實現(xiàn)如此表現(xiàn)？對此，智譜在同期發(fā)布的技術(shù)博客中給出了答案。

二、參數(shù)效率實現(xiàn)突破，兼容多款編程智能體

GLM-4.5在訓(xùn)練流程整體分三步走，從底層架構(gòu)、任務(wù)選擇到優(yōu)化策略，每一階段逐步推動模型能力提升。

首先在預(yù)訓(xùn)練階段，GLM-4.5系列模型借鑒了DeepSeek-V3的MoE架構(gòu)，不過在注意力機制方面仍然使用結(jié)合部分旋轉(zhuǎn)位置編碼（PartialRoPE）的分組查詢注意力（Grouped-QueryAttention）。

這一機制從ChatGLM2沿用至今，能規(guī)避多頭潛在注意力（MLA）對張量并行處理帶來的挑戰(zhàn)。智譜還配置了較多的注意力頭，因為該團隊發(fā)現(xiàn)，增加注意力頭能在推理基準測試中顯著提升模型性能。

GLM-4.5和GLM-4.5-Air均擁有MTP（多token預(yù)測）層，讓模型在一次前向計算中，同時預(yù)測多個后續(xù)token。實測證明，這一機制可顯著加速推理過程。

進入中期訓(xùn)練階段后，智譜開始針對更復(fù)雜、更實用的任務(wù)進行專項優(yōu)化，重點強化模型在代碼和推理方面的能力。

例如，GLM-4.5針對代碼庫場景進行了專門優(yōu)化，學(xué)習了跨文件之間的依賴關(guān)系；整合了GitHub上的issues和PR，進一步提升軟件工程能力；并將訓(xùn)練序列長度擴展至32K，從而具備了處理大型代碼庫的能力。這正是第一部分案例中，GLM-4.5能夠自行查驗和修改代碼的能力來源之一。

為了進一步提升模型處理長上下文的能力，智譜將訓(xùn)練序列的長度從32K進一步擴展到了128K，并對預(yù)訓(xùn)練語料庫中的長文檔進行了上采樣，還在這一階段加入了編程agent的軌跡。

到了后訓(xùn)練階段，GLM-4.5全面引入了強化學(xué)習，并圍繞高級數(shù)學(xué)編程推理能力、復(fù)雜agentic任務(wù)和通用能力這三大關(guān)鍵領(lǐng)域，展開系統(tǒng)性優(yōu)化。

GLM-4.5在后訓(xùn)練階段的強化學(xué)習部分是按照不同任務(wù)需求有側(cè)重地展開的。針對推理任務(wù)，訓(xùn)練時引入了按難度遞進的課程學(xué)習策略，還用動態(tài)采樣溫度來控制探索強度，并通過基于token級熵的PPO自適應(yīng)裁剪機制，提升策略更新的穩(wěn)定性。

當模型面對的是網(wǎng)頁搜索、代碼生成這類任務(wù)時，訓(xùn)練方式轉(zhuǎn)向了更具agentic特征的RL。數(shù)據(jù)不僅來源于自動流程，還引入了人類參與，以構(gòu)建更真實的復(fù)雜多步交互場景。

編程任務(wù)則用GitHub上的真實PR和issues來作為標準，訓(xùn)練中結(jié)合準確率獎勵和格式懲罰，引導(dǎo)模型學(xué)會規(guī)范、可靠地行動。

在更通用的實際應(yīng)用場景里，比如工具調(diào)用和長文檔推理，GLM-4.5又采用了不同策略來補強。函數(shù)調(diào)用任務(wù)中，使用的是雙軌策略：一部分是基于規(guī)則的逐步強化學(xué)習，確保工具調(diào)用準確性；另一部分則是通過獎勵最終任務(wù)完成效果的方式，引導(dǎo)模型學(xué)會自主規(guī)劃與調(diào)用工具。

同時，為了讓模型更好地理解和利用長文本，智譜也安排了一個專門的長上下文RL階段，讓GLM-4.5在處理大規(guī)模文檔時具備更強的推理能力。

總體來看，GLM-4.5的整個訓(xùn)練過程是高度工程化的：架構(gòu)上通過MoE提升計算效率，訓(xùn)練流程中針對關(guān)鍵任務(wù)進行能力注入，強化學(xué)習階段進一步拉高模型的推理上限和實用表現(xiàn)，最終實現(xiàn)推理、編碼和智能體能力的原生融合。

也正是由于在工具調(diào)用、網(wǎng)頁瀏覽、軟件工程、前端編程等領(lǐng)域的優(yōu)化，GLM-4.5系列模型與ClaudeCode、Cline、RooCode等主流編程智能體實現(xiàn)了完美兼容，也可以通過工具調(diào)用接口支持任意的智能體應(yīng)用。

值得注意的是，GLM-4.5還展現(xiàn)出更高的參數(shù)效率，參數(shù)量為DeepSeek-R1的1/2、Kimi-K2的1/3，但在多項標準基準測試中表現(xiàn)得更為出色。在衡量模型編程能力的SWE-benchVerified榜單上，GLM-4.5系列位于性能/參數(shù)比帕累托前沿，表明在相同規(guī)模下GLM-4.5系列實現(xiàn)了最佳性能。

高參數(shù)效率代表了模型架構(gòu)和訓(xùn)練策略的有效性，即在更少的參數(shù)下學(xué)到了更多、更有用的能力，這也意味著，在同等算力預(yù)算下，GLM-4.5能實現(xiàn)更高的性價比。

結(jié)語：開源大模型突圍，智能體賽道迎來“平替”時代？

當前，以智能體為標簽的AI產(chǎn)品層出不窮，數(shù)量龐雜，卻鮮少有產(chǎn)品能真正獲得用戶的長期使用和信賴。這在一定程度上也是所有AI產(chǎn)品的共性問題，要解決這一問題，除了進一步打磨用戶體驗之外，底層模型能力的提升也至關(guān)重要。

隨著Claude、GPT等海外大模型的獲取越來越困難且價格愈發(fā)昂貴，國產(chǎn)開源模型正為開發(fā)者提供更高效的本土化解決方案。