智东西

作者 | 陈骏达

编辑 | 漠影

最近几周，国产开源模型迎来一波集中爆发，互联网大厂和 AI 独角兽们纷纷甩出自家的开源王炸，接力登顶全球开源模型榜首。而就在本周，又有一款国产开源模型火爆全网。

这一模型来自素有 " 中国 OpenAI" 之称的智谱，是其最新一代旗舰模型 GLM-4.5。发布时机也十分凑巧——刚好卡在网传的 OpenAI 的 GPT-5 发布之前，同样主打推理、编程、智能体等能力。

不过，智谱已经凭借开源抢占了先机，在国内外提前收获了一波流量，官宣推文获得 77 万 + 阅读，还获得开源托管平台 HuggingFace CEO 的转发支持。

发布后不到 48 小时，GLM-4.5 已经冲上了 HuggingFace 趋势榜第一名，成为全球最受关注的开源模型之一，GLM-4.5-Air 则位列第六。硅谷 BenchmarK 风投公司合伙人 Bil Gurley 发文称：中国开源 AI 模型所产生的组合效应非常强大，模型之间都可以互相改进，新模型的推出也更为容易。

值得注意的是，在 WAIC 前后，中国大模型的开源相继 " 出圈 "，月之暗面的 K2、阿里的多款模型均有不俗表现，之后智谱 GLM 模型接力。就在今天，Hugging-Face 开源模型榜单前 10 名几乎全是中国大模型，CNBC 认为，中国企业正在研发的人工智能模型不仅智能化水平提升，使用成本也持续降低。

更有一位海外 AI 博主制作了一张形象的梗图，形容当前 AI 竞争格局的演变：全球 AI 大模型现已分裂为以中国模型为代表的开源派，与美国模型为代表的闭源派。近期，继 DeepSeek、Qwen 之后，Kimi、GLM 等国产模型也相继重磅开源，给中国开源模型再添猛将，仿佛形成了中国 AI" 开源四杰 "，与国际上的 GPT、Claude、Gemini、Grok 组成的 " 闭源四强 " 分庭抗礼。

GLM-4.5 定位为融合推理、编码和智能体能力的智能体基座模型，在涵盖推理、编程、智能体等场景的 12 项基准测试中，GLM4.5 的综合性能取得了全球开源模型 SOTA（即排名第一）、国产模型第一、全球模型第三的成绩。

榜单之外，智谱还在真实场景中测试了模型的智能体编程能力，平行比较了 Claude-4-Sonnet、Kimi-K2、Qwen3-Coder 等模型。为确保评测透明度，智谱公布了上述测试中涉及的全部 52 道题目及 Agent 轨迹，供业界验证复现。这点也获得网友们的赞许。

同时，智谱为模型提供了极具性价比的 API 定价，API 调用价格低至输入 0.8 元 / 百万 tokens、输出 2 元 / 百万 tokens；高速版最高可达 100 tokens/ 秒。此外，用户也可在智谱清言和 z.ai 上免费使用满血版的 GLM-4.5。

近期，智东西已对 GLM-4.5 的多项能力进行了深度体验，这款模型在实际生产场景中的效用令人惊喜。

体验链接：

https://chatglm.cn

https://chat.z.ai/

模型仓库：

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

一、GLM-4.5 一手实测：一句话打造完整数据库，思考过程简洁明晰

目前，已有许多国内外网友上手体验 GLM-4.5 模型，用它打造 AI 私人健身教练、生成网页游戏、3D 动画等，其编程能力、完成长序列复杂任务的能力给人留下深刻印象。

这得益于 GLM-4.5 本次主打的智能体能力。相较于传统的问答、摘要、翻译等静态任务，智能体任务对模型提出了更加严苛且立体的能力要求。集中展现了大模型在感知、记忆、规划、执行等方面的关键要素，也为后续多维能力提供了基础。

智能体往往面向开放式环境，需要模型具备持续感知、长期规划与自我修正能力。同时，智能体任务是一种复合流程，不仅涉及语言处理能力，还要求模型统筹调用工具、执行代码、操控接口，甚至进行多轮交互协作，真正考验模型的综合调度能力。由此可见，智能体任务不仅是一种普通的任务形态，也可以说是一种 " 压力测试 "。

全栈开发便是一种典型的智能体任务。为测试相关能力，智东西向 GLM-4.5 提出了一项较为完整的开发任务——使用 PHP+MySQL 打造一个具有增删改查功能中英双语的术语库。这项任务的难点之一在于，模型需要自行规划项目的框架、明晰功能需求、数据库具体设计等元素，如真正的工程师一般全面思考、解决问题。

智东西也曾将类似的题目交给其他模型，不过，许多模型都无法对项目框架进行合理规划，甚至选择在一个网页文件中开发所有功能。因此，最终交付的结果无法部署在生产场景，更别提进一步修改、扩展了。

令人惊喜的是，GLM-4.5 交付的结果较为完整，实现了既定的功能，并且速度较快，2 分钟左右便完成了 3 个核心页面的开发，最终部署的效果如下：

这一结果或许得益于 GML-4.5 正式开始生成代码前清晰的思考过程：它准确地判断了项目性质，也明白应该生成哪些文件，这为后续的开发提供了明确的指引。思考过程也不拖泥带水，看上去简洁清晰。

部分对话记录：

https://chat.z.ai/s/50e0d240-2034-407b-a1b3-94248dd5f449

智谱的官方 Demo 则展示了 GLM-4.5 的更多能力，例如，它可以根据用户需求，准确地复刻 YouTube、谷歌、B 站等网站的 UI 界面，可用于 Demo 展示等需求。

对话记录：

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

或是打造一个让用户自主设计迷宫，系统查找路径的网页。

对话记录

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

这种全栈能力不仅能用于实际生产场景，拿来整活儿也是不错的。智谱官方打造了一个量子功德箱，能实际互动，并将数据保存到后台。

不过，GML-4.5 开发上述项目的过程或许更值得深入探讨。翻看智能体的执行轨迹，可以看到，在与开发工具结合后，GLM-4.5 可以更为端到端地完成任务。它先是创造了待办清单，然后逐步完成任务，总结开发进展，并在用户提出修改意见时，进行全面的核查和调试。

对话记录：

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

GLM-4.5 还在 PPT 制作这一场景展现出不错的能力。它可以按照用户指定的页数、内容等打造完整、美观的 PPT，并结合搜索工具丰富 PPT 的视觉体验。例如，下图中，GLM-4.5 为传奇短跑运动员博尔特打造了一份职业生涯回顾 PPT。

对话记录：

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

我们已经在上述多个案例中直观感受到了 GLM-4.5 的能力。那么，这款模型背后究竟依靠哪些技术创新，才能实现如此表现？对此，智谱在同期发布的技术博客中给出了答案。

二、参数效率实现突破，兼容多款编程智能体

GLM-4.5 在训练流程整体分三步走，从底层架构、任务选择到优化策略，每一阶段逐步推动模型能力提升。

首先在预训练阶段，GLM-4.5 系列模型借鉴了 DeepSeek-V3 的 MoE 架构，不过在注意力机制方面仍然使用结合部分旋转位置编码（Partial RoPE）的分组查询注意力（Grouped-Query Attention）。

这一机制从 ChatGLM2 沿用至今，能规避多头潜在注意力（MLA）对张量并行处理带来的挑战。智谱还配置了较多的注意力头，因为该团队发现，增加注意力头能在推理基准测试中显著提升模型性能。

GLM-4.5 和 GLM-4.5-Air 均拥有 MTP（多 token 预测）层，让模型在一次前向计算中，同时预测多个后续 token。实测证明，这一机制可显著加速推理过程。

进入中期训练阶段后，智谱开始针对更复杂、更实用的任务进行专项优化，重点强化模型在代码和推理方面的能力。

例如，GLM-4.5 针对代码库场景进行了专门优化，学习了跨文件之间的依赖关系；整合了 GitHub 上的 issues 和 PR，进一步提升软件工程能力；并将训练序列长度扩展至 32K，从而具备了处理大型代码库的能力。这正是第一部分案例中，GLM-4.5 能够自行查验和修改代码的能力来源之一。

为了进一步提升模型处理长上下文的能力，智谱将训练序列的长度从 32K 进一步扩展到了 128K，并对预训练语料库中的长文档进行了上采样，还在这一阶段加入了编程 agent 的轨迹。

到了后训练阶段，GLM-4.5 全面引入了强化学习，并围绕高级数学编程推理能力、复杂 agentic 任务和通用能力这三大关键领域，展开系统性优化。

GLM-4.5 在后训练阶段的强化学习部分是按照不同任务需求有侧重地展开的。针对推理任务，训练时引入了按难度递进的课程学习策略，还用动态采样温度来控制探索强度，并通过基于 token 级熵的 PPO 自适应裁剪机制，提升策略更新的稳定性。

当模型面对的是网页搜索、代码生成这类任务时，训练方式转向了更具 agentic 特征的 RL。数据不仅来源于自动流程，还引入了人类参与，以构建更真实的复杂多步交互场景。

编程任务则用 GitHub 上的真实 PR 和 issues 来作为标准，训练中结合准确率奖励和格式惩罚，引导模型学会规范、可靠地行动。

在更通用的实际应用场景里，比如工具调用和长文档推理，GLM-4.5 又采用了不同策略来补强。函数调用任务中，使用的是双轨策略：一部分是基于规则的逐步强化学习，确保工具调用准确性；另一部分则是通过奖励最终任务完成效果的方式，引导模型学会自主规划与调用工具。

同时，为了让模型更好地理解和利用长文本，智谱也安排了一个专门的长上下文 RL 阶段，让 GLM-4.5 在处理大规模文档时具备更强的推理能力。

总体来看，GLM-4.5 的整个训练过程是高度工程化的：架构上通过 MoE 提升计算效率，训练流程中针对关键任务进行能力注入，强化学习阶段进一步拉高模型的推理上限和实用表现，最终实现推理、编码和智能体能力的原生融合。

也正是由于在工具调用、网页浏览、软件工程、前端编程等领域的优化，GLM-4.5 系列模型与 Claude Code、Cline、Roo Code 等主流编程智能体实现了完美兼容，也可以通过工具调用接口支持任意的智能体应用。

值得注意的是，GLM-4.5 还展现出更高的参数效率，参数量为 DeepSeek-R1 的 1/2、Kimi-K2 的 1/3，但在多项标准基准测试中表现得更为出色。在衡量模型编程能力的 SWE-bench Verified 榜单上，GLM-4.5 系列位于性能 / 参数比帕累托前沿，表明在相同规模下 GLM-4.5 系列实现了最佳性能。

高参数效率代表了模型架构和训练策略的有效性，即在更少的参数下学到了更多、更有用的能力，这也意味着，在同等算力预算下，GLM-4.5 能实现更高的性价比。

结语：开源大模型突围，智能体赛道迎来 " 平替 " 时代？

当前，以智能体为标签的 AI 产品层出不穷，数量庞杂，却鲜少有产品能真正获得用户的长期使用和信赖。这在一定程度上也是所有 AI 产品的共性问题，要解决这一问题，除了进一步打磨用户体验之外，底层模型能力的提升也至关重要。

随着 Claude、GPT 等海外大模型的获取越来越困难且价格愈发昂贵，国产开源模型正为开发者提供更高效的本土化解决方案。