林文彥

今天，我們帶來新一代旗艦?zāi)Ｐ虶LM-4.5，專為智能體應(yīng)用打造的基礎(chǔ)模型。HuggingFace與ModelScope平臺同步開源，模型權(quán)重遵循MITLicense。

要點如下：

GLM-4.5在包含推理、代碼、智能體的綜合能力達(dá)到開源SOTA，在真實代碼智能體的人工對比評測中，實測國內(nèi)最佳采用混合專家（MoE）架構(gòu)，包括GLM-4.5：總參數(shù)量3550億，激活參數(shù)320億；GLM-4.5-Air：總參數(shù)1060億，激活參數(shù)120億；兩種模式：用于復(fù)雜推理和工具使用的思考模式，及用于即時響應(yīng)的非思考模式；

高速、低成本：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(dá)100tokens/秒。

API已上線開放平臺BigModel.cn，可以一鍵兼容ClaudeCode框架。同時，大家也可以上智譜清言(chatglm.cn)和z.ai免費體驗滿血版。歡迎開發(fā)者、企業(yè)、用戶廣泛測試與集成，探索AGI的奧秘。

綜合性能SOTA

衡量AGI的第一性原理，是在不損失原有能力的前提下融合更多通用智能能力，GLM-4.5是我們對此理念的首次完整呈現(xiàn)，并有幸取得技術(shù)突破。GLM-4.5首次在單個模型中實現(xiàn)將推理、編碼和智能體能力原生融合，以滿足智能體應(yīng)用的復(fù)雜需求。

為綜合衡量模型的通用能力，我們選擇了最具有代表性的12個評測基準(zhǔn)，包括MMLUPro、AIME24、MATH500、SciCode、GPQA、HLE、LiveCodeBench、SWE-BenchVerified、Terminal-Bench、TAU-Bench、BFCLv3和BrowseComp。綜合平均分，GLM-4.5取得了全球模型第三、國產(chǎn)模型第一，開源模型第一。

GLM-4.5和GLM-4.5-Air使用了相似的訓(xùn)練流程：首先在15萬億token的通用數(shù)據(jù)上進(jìn)行了預(yù)訓(xùn)練，此后在代碼、推理、智能體等領(lǐng)域的8萬億token數(shù)據(jù)上進(jìn)行針對性訓(xùn)練，最后通過強化學(xué)習(xí)進(jìn)一步增強模型推理、代碼與智能體能力。更多技術(shù)細(xì)節(jié)可參考我們的技術(shù)博客（https://z.ai/blog/glm-4.5），后續(xù)也會發(fā)布更加詳細(xì)的技術(shù)報告。

更高參數(shù)效率

GLM-4.5參數(shù)量為DeepSeek-R1的1/2、Kimi-K2的1/3，但在多項標(biāo)準(zhǔn)基準(zhǔn)測試中表現(xiàn)得更為出色，這得益于GLM模型的更高參數(shù)效率。在衡量模型代碼能力的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。

低成本、高速度

在性能優(yōu)化之外，GLM-4.5系列也在成本和效率上實現(xiàn)突破，由此帶來遠(yuǎn)低于主流模型定價：API調(diào)用價格低至輸入0.8元/百萬tokens，輸出2元/百萬tokens。

同時，高速版本實測生成速度最高可至100tokens/秒，支持低延遲、高并發(fā)的實際部署需求，兼顧成本效益與交互體驗。

真實體驗

真實場景表現(xiàn)比榜單更重要。為評測GLM-4.5在真實場景AgentCoding中的效果，我們接入ClaudeCode與Claude-4-Sonnet、Kimi-K2、Qwen3-Coder進(jìn)行對比測試。測試采用52個編程開發(fā)任務(wù)，涵蓋六大開發(fā)領(lǐng)域，在獨立容器環(huán)境中進(jìn)行多輪交互測試。實測結(jié)果顯示（如下圖），GLM-4.5相對其他開源模型展現(xiàn)出競爭優(yōu)勢，特別在工具調(diào)用可靠性和任務(wù)完成度方面表現(xiàn)突出。盡管GLM-4.5相比Claude-4-Sonnet仍有提升空間，在大部分場景中可以實現(xiàn)平替的效果。

為確保評測透明度，我們公布了52道題目及Agent軌跡，供業(yè)界驗證復(fù)現(xiàn)。

Agent軌跡：https://huggingface.co/datasets/zai-org/CC-Bench-trajectories

模型原生Agent場景

GLM-4.5系列能勝任全棧開發(fā)任務(wù)，編寫復(fù)雜應(yīng)用、游戲、交互網(wǎng)頁。這得益于模型原生具備的在前端編寫網(wǎng)站、在后端進(jìn)行數(shù)據(jù)庫管理，以及通過工具調(diào)用接口支持任意的智能體應(yīng)用等能力。

全棧開發(fā)實際效果一個真的能搜索的搜索引擎

Z.ai版本“谷歌搜索”體驗地址：

https://n0x9f6733jm1-deploy.space.z.ai

提示詞詳見軌跡地址：

https://chat.z.ai/s/2bd291ba-fe6a-4026-a8f4-1efa498267b2

一個真的能發(fā)彈幕的B站

Z.ai版本“B站”體驗地址：

https://n0dba6ce0e60-deploy.space.z.ai

提示詞詳見軌跡地址：

https://chat.z.ai/s/29968fdc-53f2-4605-ae71-4ae32e920ca4

一個真的能發(fā)博的微博

Z.ai版本“微博”體驗地址：

https://v0rb06rruyf0-deploy.space.z.ai/

提示詞詳見軌跡地址：

https://chat.z.ai/s/f78ae64c-06b7-4eee-b657-878da94fa2c7

Artifacts實際效果

GLM-4.5不僅擅長處理復(fù)雜代碼，同時也具有優(yōu)秀的數(shù)據(jù)精準(zhǔn)處理、交互動畫設(shè)計能力。以下是GLM-4.5制作的一個FlappyBird小游戲，歡迎大家前來挑戰(zhàn)。

FlappyBird體驗地址：https://chat.z.ai/space/b0yb2613ybp0-art

提示詞詳見軌跡地址：https://chat.z.ai/s/2a9a1a90-545b-4f29-b6ac-854539dcc323

PPT實際效果

GLM-4.5在制作PPT過程中會自主搜索資料、尋找配圖，根據(jù)材料以HTML形式編寫圖文，使信息更準(zhǔn)確、排版更靈活。除了16:9的PPT，也可以制作長圖、小紅書、社交媒體封面或簡歷等多比例圖片。

向下滑動查看

如何體驗

GLM-4.5深度優(yōu)化全棧編程與工具調(diào)用，兼容ClaudeCode、Cline、RooCode等主流代碼智能體，到智譜開放平臺即可體驗。

國內(nèi)用戶：

https://docs.bigmodel.cn/cn/guide/develop/claude

海外用戶：

https://docs.z.ai/scenario-example/develop-tools/claude

體驗地址：

https://chat.z.ai/

https://chatglm.cn

Github倉庫：

https://github.com/zai-org/GLM-4.5

模型倉庫：

HuggingFace：

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

ModelScope：

https://modelscope.cn/collections/GLM-45-b8693e2a08984f

小說:皇后慘死重生侯府庶女,誓復(fù)仇,毒妃一路殺伐終得真愛

小說:皇后慘死重生侯府庶女,誓要復(fù)仇,毒妃逆襲謀天下!

寵妾滅妻文,為迎娶小妾,他把孕妻送斷頭臺,1年后小妾與人私通