GLM-5 来了：智谱新旗舰，剑指 Agentic Engineering
从"写代码"到"写工程"，大模型正式进入 Agent 时代。
一、GLM-5 是什么？
GLM-5 是智谱AI新一代的旗舰基座模型，面向 Agentic Engineering 打造，能够在复杂系统工程与长程 Agent 任务中提供可靠生产力。
在 Coding 与 Agent 能力上，GLM-5 取得开源 SOTA 表现，在真实编程场景的使用体感逼近 Claude Opus 4.5，擅长复杂系统工程与长程 Agent 任务，是通用 Agent 助手的理想基座。
核心参数一览
| 项目 | 规格 |
|---|---|
| 定位 | 旗舰基座模型 |
| 输入/输出模态 | 文本 → 文本 |
| 参数规模 | 744B（激活 40B） |
| 预训练数据 | 28.5T |
| 上下文窗口 | 200K tokens |
| 最大输出 | 128K tokens |
二、更大基座，更强智能
GLM-5 全新基座为从"写代码"到"写工程"的能力演进提供了坚实基础：
1. 参数规模大幅扩展
从 GLM-4 系列的 355B（激活 32B） 扩展至 744B（激活 40B），预训练数据从 23T 提升至 28.5T。更大规模的预训练算力，显著提升了模型的通用智能水平。
2. 异步强化学习
构建全新的 "Slime" 框架，支持更大模型规模及更复杂的强化学习任务。提出异步智能体强化学习算法，使模型能够持续从长程交互中学习，充分激发预训练模型的潜力。
3. 稀疏注意力机制
首次集成 DeepSeek Sparse Attention，在维持长文本效果无损的同时，大幅降低模型部署成本，提升 Token Efficiency。
三、Coding 能力：对齐 Claude Opus 4.5
这或许是 GLM-5 最令人兴奋的部分。
GLM-5 在编程能力上实现了对 Claude Opus 4.5 的对齐，在业内公认的主流基准测试中取得开源模型最高分数：
- SWE-bench-Verified：77.8（开源最高，超越 Gemini 3.0 Pro）
- Terminal Bench 2.0：56.2（开源最高，超越 Gemini 3.0 Pro）
在智谱内部的 Claude Code 评估集合中，GLM-5 在前端、后端、长程任务等编程开发任务上显著超越 GLM-4.7，能够以极少的人工干预自主完成 Agentic 长程规划与执行、后端重构和深度调试等系统工程任务，使用体验逼近 Opus 4.5。
一句话总结：GLM-5 不只是能写代码，而是能写工程。
四、Agent 能力：SOTA 级长程任务执行
GLM-5 在 Agent 能力上实现开源 SOTA，在多个评测基准中取得开源第一：
| 评测基准 | 能力维度 | 表现 |
|---|---|---|
| BrowseComp | 联网检索与信息理解 | 开源最高 |
| MCP-Atlas | 工具调用和多步骤任务执行 | 开源最高 |
| τ²-Bench | 复杂多工具场景下的规划和执行 | 开源最高 |
这些能力是 Agentic Engineering 的核心——模型不仅要能写代码、完成工程，还要能在长程任务中保持目标一致性、进行资源管理、处理多步骤依赖关系，成为真正的 Agentic Ready 基座模型。
五、全面的能力矩阵
GLM-5 支持一系列丰富的模型能力：
| 能力 | 说明 |
|---|---|
| 思考模式 | 提供多种思考模式，覆盖不同复杂度任务 |
| 流式输出 | 支持实时流式响应，提升交互体验 |
| Function Call | 强大的外部工具调用能力 |
| MCP | 灵活调用外部 MCP 工具与数据源 |
| 上下文缓存 | 智能缓存机制，优化长对话性能 |
| 结构化输出 | 支持 JSON 等格式，便于系统集成 |
| GLM in Excel | 适配 Excel 官方 AI 插件，赋能表格工作流 |
六、推荐使用场景
Agentic Coding — 自然语言到可运行代码，覆盖前后端与数据处理，显著缩短从需求到产物的迭代周期。
智能体任务 — 从理解、规划到执行与自检的全流程智能体任务，实现"一句话输入到完整交付物"。
办公场景 — 跨阶段、多步骤、强逻辑关联的复杂办公任务，确保指令遵循度与目标一致性。
角色扮演 — 精准理解并持续保持角色设定，自然、可演进的高沉浸式角色扮演体验。
剧本/分镜脚本生成 — 长文本一致性与复杂人物塑造大幅增强，可直接进入制作流程。
翻译 — 语义、术语与表达的全面对齐，正式文本准确转换为符合目标语言表达习惯的专业译文。
文本数据提取 — 从合同、公告、财报等复杂文本中精准抽取关键字段与逻辑关系。
信息质检 — 精准识别客服工单等复杂文本中的关键信息，自动完成质检与风险识别。
七、与 GLM-4 系列的关键对比
| 指标 | GLM-4 系列 | GLM-5 |
|---|---|---|
| 参数规模 | 355B（激活 32B） | 744B（激活 40B） |
| 预训练数据 | 23T | 28.5T |
| 上下文窗口 | — | 200K |
| 最大输出 | — | 128K |
| SWE-bench-Verified | — | 77.8（开源最高） |
| Terminal Bench 2.0 | — | 56.2（开源最高） |
| 强化学习框架 | — | Slime 异步 RL |
| 稀疏注意力 | 无 | DeepSeek Sparse Attention |
写在最后
GLM-5 的发布，标志着国产大模型在 Coding 和 Agent 两大核心能力上迈入了新的阶段。
从参数规模的扩展到训练方法的创新，从编程能力对齐 Claude Opus 4.5 到 Agent 能力全面开源 SOTA，智谱正在用实力证明：开源生态同样能跑出世界级的 Agentic 基座模型。
对于开发者而言，GLM-5 的到来意味着更强大的 AI 编程伙伴和更可靠的智能体基座。无论你是在构建 AI 应用、搭建自动化工作流，还是探索 Agentic Engineering 的前沿，GLM-5 都值得一试。
相关链接：
数据来源：智谱AI开放文档，图片来自官方公开资料。