2026 年 2 月，智谱 AI 与清华大学联合发布的 GLM-5 模型，以一篇题为《GLM-5: from Vibe Coding to Agentic Engineering》的技术论文引爆全球 AI 圈。这份长达 40 页的论文彻底公开了 GLM-5 的核心技术细节，其不仅实现了连续 24 小时跑代码、700 次工具调用、800 次上下文切换的超强性能，更从零构建出 Game Boy Advance（GBA）模拟器，成功将开源 AI 拽进长任务时代。
海外网友纷纷点赞，直呼 “GLM-5 是最好的开源模型”，a16z 数据显示其已大幅缩小与闭源顶尖模型 Claude Opus 4.6 的差距，而美国网友更是直言 “在成本效率上，美国 AI 已赶不上中国”。春节期间智谱股价的飙升，也从资本市场层面印证了这款模型的行业影响力。
一、三大核心技术突破，破解长任务瓶颈
GLM-5 的诞生，核心是为解决 GLM-4.5 时代遗留的算力成本高、真实环境适应性弱两大难题。基于上一代验证有效的 ARC（智能体、推理与编程）能力和 MoE 架构，GLM-5 通过三大关键技术革新，实现了性能与效率的双重飞跃。
1. 稀疏注意力机制（DSA）：成本大降，长文本能力无损
传统 Transformer 架构的密集注意力计算复杂度呈平方级（O (N²) 增长），成为长上下文任务的算力瓶颈。GLM-5 引入 DeepSeek 同款动态稀疏注意力（DSA）机制，通过 “动态筛选重要 Token” 替代全量计算，从根本上降低成本。
为避免稀疏化导致的模型崩塌，团队设计了两步训练策略：先通过稠密预热（Dense Warm-up）让模型建立稳固语义表征，再逐步提升稀疏度，通过动态路由机制仅聚焦 Top-K 相关 Token。这一创新带来显著成效：
-
KV Cache 开销骤降 75%，同等硬件可支撑 4 倍并发或 4 倍长度的上下文处理；
-
推理速度提升 3 倍，首字响应时间（TTFT）和每秒生成 Token 数（TPS）达行业顶尖；
-
长文本推理性能损失小于 0.5%，在 “大海捞针” 等评测中表现与全稠密模型几乎无异。
2. 异步多任务强化学习：GPU 利用率翻倍，训练效率飙升
针对主流 PPO 算法同步机制导致 GPU 利用率仅 20%-30% 的痛点，GLM-5 基于 Slime 框架重构了异步强化学习基础设施，将训练与推理引擎解耦至不同 GPU 设备：推理引擎持续生成轨迹，达到阈值后同步给训练引擎更新模型，同时定期同步权重以减少策略滞后。
为支撑这一架构，团队攻克三大技术难题：
-
采用 Token-in-Token-out（TITO）模式，直接复用推理引擎的 Token 流，避免重新编码导致的偏差；
-
通过双侧重要性采样解决离策略偏差，丢弃传统旧策略推理，降低计算开销；
-
引入 DP 感知路由，通过一致性哈希映射 rollout ID，避免长上下文推理中的冗余预填充。
这套系统支撑了数学、科学、代码、工具集成推理四大领域的混合训练，大幅提升了模型对齐效率。
3. 真实世界数据投喂：构建可验证环境，工程能力拉满
不同于传统 SFT 依赖标准答案的模式，GLM-5 聚焦真实世界复杂场景，构建了大规模可验证训练环境：
-
软件工程环境：基于真实 Issue-PR 对，覆盖 9 种编程语言，构建超 10000 个可执行环境，自动生成测试命令；
-
终端环境：通过 “任务草稿 - 实现 - 优化” 三阶段流程，产出数千个 Docker 化终端任务，构建精度超 90%；
-
搜索任务：基于 Web 知识图谱生成高难度多跳问答对，经三重过滤确保质量；
-
PPT 生成：采用三层奖励机制，16:9 页面达标率从 40% 提升至 92%，大幅减少页面溢出。
同时，GLM-5 支持交错思考、保留思考、轮级思考三种模式，可根据任务复杂度灵活调整推理策略，兼顾精度与效率。
二、国产芯片全栈适配，成本优势凸显
GLM-5 的另一大亮点是完成了与华为昇腾、摩尔线程、海光、寒武纪、昆仑芯、沐曦、燧原等主流国产芯片的全栈适配。这意味着模型不仅可在 NVIDIA GPU 上训练，更能通过优化方案在国产硬件上高效运行，彻底打破了海外芯片依赖。
这种跨芯片适配能力，让 GLM-5 在成本效率上形成绝对优势。正如海外网友所言：“中国模型能在 NVIDIA GPU 上训练，再通过优化方案适配华为等国产芯片，美国在成本效率上已无法追赶，落后只是时间问题。”
三、评测体系革新：从静态榜单到真实场景验证
GLM-5 在传统评测中表现亮眼：在 Artificial Analysis Intelligence Index v4.0 中以 50 分成为首个达到该分数的开源模型；SWE-bench Verified 得分 77.8%，优于 Gemini 3 Pro，与 Claude Opus 4.5 相当；HLE（含工具）测试得分 50.4，超越 Claude Opus 4.5 和 Gemini 3 Pro。
但智谱团队认为静态榜单存在记忆效应，为此推出全新评测集 CC-Bench-V2，模拟真实软件开发流程，涵盖前端、后端和长程任务，并引入 Agent-as-a-Judge 技术通过 GUI Agent 验证功能正确性。结果显示：
-
前端构建成功率（BSR）达 98.0%，React、Vue 等框架构建成功率 100%；
-
后端真实开源项目 Pass@1 达 25.8%，与 Claude Opus 4.5 持平；
-
长程链式任务 Pass@1 达 52.3%，较 GLM-4.7 显著提升，仅在错误累积处理上与闭源模型存在差距。
这些结果证明，GLM-5 已成为开源界首个 “全站工程师”，能自主执行超长、超复杂的真实开发任务。
四、匿名测试引爆社区，打破地缘偏见
论文公开前，GLM-5 以 “Pony Alpha” 为代号匿名发布于 OpenRouter 平台，凭借卓越性能引发社区轰动：25% 用户误以为是 Claude Sonnet 5，20% 猜测是 Grok 新版本，仅少数用户猜中真身。
这次匿名测试彻底打破了地缘偏见，让模型评价回归技术本身。论文公开后，海外开发者纷纷将其作为学习教程，有入门级研究者表示：“尽管我刚进入 AI 领域，但 GLM-5 的技术报告写得极为出色，从中学到了 28.5 万亿训练 Token、256 个专家节点、7440 亿总参数量等关键信息。”
结语
GLM-5 的发布，不仅以三大核心技术突破定义了开源长任务模型的新标准，更通过国产芯片全适配构建了成本优势，其技术论文的公开更是推动了全球 AI 社区的共同进步。作为开源界首个能媲美闭源模型的 “全站工程师”，GLM-5 不仅验证了单体 MoE 架构统一 Agent、推理与代码能力的可行性，更向世界证明了中国开源大模型的技术实力。
随着模型代码、权重的逐步开放，GLM-5 有望进一步降低复杂 AI 任务的使用门槛，推动更多行业实现自动化升级。未来，在长上下文一致性、长程自纠错等领域的持续优化，或将让开源模型彻底追平甚至超越闭源模型，开启 AI 普惠的全新阶段。
GLM-5 论文地址：https://arxiv.org/abs/2602.15763