zai-org/GLM-5

GLM-5: From Vibe Coding to Agentic Engineering

What it solves

GLM-5 是一系列旗舰大型语言模型，旨在处理复杂系统工程和长期代理任务。它解决了以往模型在复杂问题求解时常出现的性能瓶颈，能够在数百轮迭代和数千次工具调用中保持生产力。

How it works

该系列通过三个主要版本演进：

  • GLM-5：规模达 744B 参数（其中 40B 为活跃参数），采用 DeepSeek Sparse Attention（DSA）降低部署成本，同时保持长上下文能力。训练时使用了异步 RL 基础设施 “slime” 进行高效后训练。
  • GLM-5.1：聚焦于代理工程和编码，提升模型在长会话中拆解复杂问题、运行实验、修正策略的能力。
  • GLM-5.2：引入稳固的 1M Token 上下文窗口和 “IndexShare” 架构，在稀疏注意力层之间复用索引器，将每 Token 的 FLOPs 降低 2.9 倍。同时配备改进的 MTP 层用于推测解码。

Who it’s for

适用于开发者和研究者，专注于自主代理、复杂软件工程以及需要大容量上下文窗口（最高 100 万 Token）或高精度推理与编码的任务。

Highlights

  • Massive Context：GLM-5.2 支持稳定的 1M Token 上下文窗口。
  • Agentic Performance：专为长期任务优化，在 Vending Bench 2 上排名开源模型第一。
  • Flexible Reasoning：支持 reasoning_effort 参数（max 或 high），可在性能与延迟之间平衡。
  • High Efficiency：使用 IndexShare 与 DSA 优化计算和部署成本。