zai-org/GLM-5

GLM-5: From Vibe Coding to Agentic Engineering

What it solves

GLM-5 是一系列旗艦大型語言模型，旨在處理複雜系統工程和長期代理任務。它解決了以往模型在複雜問題求解時常出現的性能瓶頸，能夠在數百輪迭代和數千次工具呼叫中保持生產力。

How it works

該系列透過三個主要版本演進：

  • GLM-5：規模達 744B 參數（其中 40B 為活躍參數），採用 DeepSeek Sparse Attention（DSA）降低部署成本，同時保持長上下文能力。訓練時使用了非同步 RL 基礎設施 “slime” 進行高效後訓練。
  • GLM-5.1：聚焦於代理工程與編碼，提升模型在長會話中拆解複雜問題、執行實驗、修正策略的能力。
  • GLM-5.2：引入穩固的 1M Token 上下文視窗和 “IndexShare” 架構，在稀疏注意力層之間復用索引器，將每 Token 的 FLOPs 降低 2.9 倍。同時配備改進的 MTP 層用於推測解碼。

Who it’s for

適用於開發者與研究者，專注於自主代理、複雜軟體工程以及需要大容量上下文視窗（最高 100 萬 Token）或高精度推理與編碼的任務。

Highlights

  • Massive Context：GLM-5.2 支援穩定的 1M Token 上下文視窗。
  • Agentic Performance：專為長期任務優化，在 Vending Bench 2 上排名開源模型第一。
  • Flexible Reasoning：支援 reasoning_effort 參數（max 或 high），可在效能與延遲之間取得平衡。
  • High Efficiency：使用 IndexShare 與 DSA 優化計算與部署成本。