ai,

一分钟读论文:《GLM-5 迈向智能体工程》

Unbug By Unbug Follow · 1 min read
一分钟读论文:《GLM-5 迈向智能体工程》
Share this

智谱 AI 与清华大学 2026 年 2 月发布的论文《GLM-5》(arXiv:2602.15763)推出总参数 744B、激活参数 40B 的基础模型 GLM-5,在 8 项智能体与编码基准上比肩顶级专有模型,是首个在 Artificial Analysis 智能指数 v4.0 达 50 分的开源权重模型。

论文有 186 位作者、篇幅 40 页,代表了开源模型向专有模型前沿发起的挑战。过去开源权重模型在推理和编码任务上长期落后于顶级专有系统,两者差距往往在半成品级别的调优上,GLM-5 试图证明这一差距已经缩小到可以忽略。

架构与训练创新

GLM-5 采用 DeepSeek Sparse Attention(DSA,稀疏注意力)架构,训练 token 达 28.5 万亿,上下文窗口最高 200K;相比前代 GLM-4.5(355B 总参数、32B 激活参数),规模翻倍的同时保持了效率。

训练层面的核心创新是异步强化学习基础设施:将生成与训练完全解耦,提高 GPU 利用率,支持大规模智能体轨迹探索并消除同步瓶颈,配合异步智能体强化学习算法,使模型能从复杂的长程交互中更有效学习。传统的同步训练里,生成长轨迹时训练卡要等待,GPU 大量空转;解耦之后两条流水线并行推进,训练吞吐与轨迹探索规模都得到提升。推理层面,GLM-5 支持三种思维特性——交错思维(每次响应和工具调用前思考)、保留思维(多轮对话中保留思维块)、轮次级思维(每轮推理控制)。

此外,GLM-5 从发布首日即适配华为昇腾、摩尔线程、海光、寒武纪、昆仑芯、沐曦、天数智芯等中国 GPU 生态,通过深度优化在单个中国节点上达到双 GPU 国际集群的性能,长序列场景部署成本降低 50%。这七家芯片厂商覆盖了国内多条 AI 加速卡路线,适配本身也是工程能力的一部分。

基准表现与真实任务评估

在 8 项智能体、推理和编码基准中,GLM-5 与 Claude Opus 4.5、GPT-5.2 (xhigh) 的对比呈现互有胜负的格局:Humanity’s Last Exam 得分 50.4,高于 Claude Opus 4.5 的 43.4 和 GPT-5.2 的 45.5;SWE-bench Verified 为 77.8,略低于两者的 80.9 和 80.0;τ²-Bench 为 89.7;BrowseComp(带上下文管理)达 75.9,明显高于两者的 57.8 和 65.8;Vending Bench 2 模拟经营 2 万个交易日,GLM-5 收益 $4,432,仅次于 Claude Opus 4.5 的 $4,967。

研究团队还构建了内部评估套件 CC-Bench-V2,用于评估真实智能体工程环境中的表现:前端评估构建成功率达 98.0%,后端评估与 Claude Opus 4.5 相当,在大型代码库探索等长程任务上甚至超过 Claude Opus 4.5。这类内部套件不追求刷榜,而是还原开发者每天面对的工作场景:给定需求写前端页面、在存量仓库里定位并修改代码,考核的是端到端交付能力。

匿名测试与开源定位

论文披露了一个细节:GLM-5 曾以「Pony Alpha」匿名身份在 OpenRouter 平台上发布测试,并引起社区对神秘模型的猜测。25% 的用户猜测它是 Claude Sonnet 5,20% 猜测是 DeepSeek,10% 猜测是 Grok,其余猜测为 GLM-5。确认身份后,这一结果直接回应了关于中国大语言模型能否在前沿水平竞争的疑问。

论文摘要指出,GLM-5 证明开源权重模型现在可以在复杂的真实世界工作流中与顶级专有系统的能力相媲美。通过开源,智谱 AI 希望社区超越静态基准测试,探索高效的智能体通用智能,让 AI 智能体自主规划、实施和迭代复杂任务;相关智能体训练路线可对照站内《千环境合成训练 AI 智能体》阅读。

References


Related
Featured