GLM-4.5 发布:面向推理、代码与智能体的开源 SOTA 模型

大模型向量数据库机器学习

picture.image

今天,我们带来新一代旗舰模型 GLM-4.5,专为智能体应用打造的基础模型。Hugging Face 与 ModelScope 平台同步开源,模型权重遵循 MIT License。

要点如下:

  • GLM-4.5 在包含推理、代码、智能体的综合能力达到开源 SOTA 水平,在真实代码智能体的人工对比评测中,实测国内最佳;

  • 采用混合专家(MoE)架构,包括 GLM-4.5:总参数量 3550 亿,激活参数 320 亿;GLM-4.5-Air:总参数 1060 亿,激活参数 120 亿;

  • 两种模式:用于复杂推理和工具使用的思考模式,及用于即时响应的非思考模式;

  • 高速、低成本: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。

API 已上线开放平台 BigModel.cn,可以一键兼容 Claude Code 框架。同时,大家也可以上智谱清言(chatglm.cn)和Z.ai免费体验满血版。欢迎开发者、企业、用户广泛测试与集成,探索 AGI 的奥秘。

一、综合性能SOTA

衡量 AGI 的第一性原理,是在不损失原有能力的前提下融合更多通用智能能力,GLM-4.5 是我们对此理念的首次完整呈现,并有幸取得技术突破。GLM-4.5 首次在单个模型中实现将推理、编码和智能体能力原生融合,以满足智能体应用的复杂需求。

为综合衡量模型的通用能力,我们选择了最具有代表性的 12 个评测基准,包括MMLU Pro、AIME24、MATH 500、SciCode、GPQA 、HLE、LiveCodeBench、SWE-Bench Verified、Terminal-Bench、TAU-Bench、BFCL v3和 BrowseComp。综合平均分,GLM-4.5 取得了全球模型第三、国产模型第一,开源模型第一。

picture.image

GLM-4.5 和 GLM-4.5-Air 使用了相似的训练流程:首先在 15 万亿 token 的通用数据上进行了预训练,此后在代码、推理、智能体等领域的 8 万亿 token 数据上进行针对性训练,最后通过强化学习进一步增强模型推理、代码与智能体能力。更多技术细节可参考我们的技术博客(https://z.ai/blog/glm-4.5),后续也会发布更加详细的技术报告。

二、更高的参数效率

GLM-4.5 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,这得益于 GLM 模型的更高参数效率。

在衡量模型代码能力的 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。

picture.image

三、低成本、高速度

在性能优化之外,GLM-4.5 系列也在成本和效率上实现突破,由此带来远低于主流模型定价:API 调用价格低至输入 0.8 元/百万 tokens,输出 2 元/百万 tokens。

同时,高速版本实测生成速度最高可至 100 tokens/秒,支持低延迟、高并发的实际部署需求,兼顾成本效益与交互体验。

picture.image

四、真实场景测试

真实场景表现比榜单更重要。为了评测GLM-4.5在真实场景Agent Coding中的效果,我们接入Claude Code与Claude-4-Sonnet、Kimi-K2、Qwen3-Coder进行对比测试。测试采用52个编程开发任务,涵盖六大开发领域,在独立容器环境中进行多轮交互测试。实测结果显示如下图,

picture.image

GLM-4.5相对其他开源模型展现出强劲竞争优势,特别在工具调用可靠性和任务完成度方面表现突出。GLM-4.5相比Claude-4-Sonnet仍有提升空间,在大部分场景中可以实现平替的效果。

为确保评测透明度,我们公布了52道题目及Agent轨迹(https://huggingface.co/datasets/zai-org/CC-Bench-trajectories),供业界验证复现。

五、模型原生Agent场景

1、全栈开发

GLM-4.5系列能够胜任全栈开发任务,编写较为复杂的应用、游戏、交互网页。这需要模型原生具备在前端编写网站、在后端进行数据库管理,以及通过工具调用接口支持任意的智能体应用等能力。以下是用GLM-4.5一句话上线的互联网大厂APP(目前可在z.ai网站免费体验)。

一个真的能搜索的搜索引擎

Prompt:做一个Google搜索网站。

一个真的能发弹幕的B站

Prompt: 开发一个包含 UI 的 bilibili 网页端 Demo,页面包括:首页与视频详情页。首页需还原 bilibili 首页的主要设计元素,如顶部导航栏、横幅轮播、推荐视频瀑布流布局、hover 时播放预览、视频封面与标题展示等基础交互。详情页需展示视频标题、UP 主信息、播放区域(支持点击播放/暂停、切换全屏)、预设弹幕(可滚动)、评论区(展示预置评论并支持展开/收起)。视频素材可从 Google/B 站公开视频中挑选,封面图、标题与弹幕内容需根据所选视频内容拟定,保持风格一致。无需支持真实播放,仅需模拟播放行为与基础交互。整体风格参考 bilibili 现有布局,适配 PC 浏览器展示。

一个真的能发博的微博
>>> Prompt:开发一个包含 UI 的微博网页端 Demo,页面包括:首页与个人主页。首页设计与交互:首页需还原微博首页的主要设计元素,如:顶部导航栏:包含微博 Logo、搜索框、消息、个人中心入口等。左侧功能区:展示热门话题、推荐用户等。内容信息流:模拟微博信息流布局,展示预设的微博内容。每条微博需包含:用户头像、昵称、发布时间、微博正文(支持长文本展开/收起)、图片/视频缩略图(若有)、点赞、评论、转发等基础交互(点击后数字变化)。图片/视频缩略图:需要在首页就能看到图片预览。右侧功能区:展示热搜榜、广告位等。发布框:模拟发微博功能,点击后可以发布微博到首页瀑布流。个人主页设计与交互:个人主页需展示用户基本信息与发布内容:顶部区域:展示用户头像、昵称、简介、关注/粉丝数量、关注/私信按钮等。导航栏:切换“微博”、“相册”、“赞”等不同内容分类。微博列表:展示该用户发布的所有预设微博内容,与首页信息流展示方式类似。内容素材与风格:微博内容(文字、图片、视频缩略图)、用户头像、昵称、评论内容等,均需根据所选主题拟定,保持风格一致性和真实感。整体风格参考微博现有布局,适配 PC 浏览器展示。

2、Artifacts效果

GLM-4.5不仅擅长处理复杂代码,同时也具有优秀的数据精准处理、交互动画设计能力。以下是GLM-4.5制作的一个Flappy Bird小游戏,欢迎大家前来挑战。

Flappy Bird 小游戏

Prompt:Build a webpage using Three.js and JavaScript that creates a 3D world displaying places I've visited, based on an array. Clicking markers on the 3D globe will animate a zoom effect and open detailed trip information with photos.

3、PPT制作

使用GLM-4.5制作PPT或者图文卡片,你将得到信息翔实、配图准确、排版精美的成果。与传统的AI PPT使用模板填充信息不同,GLM-4在制作过程中会自主搜索资料、寻找配图,根据实际材料直接以HTML形式编写图文。除了16:9的PPT,GLM-4.5也可以用来制作长图、小红书、社交媒体封面或简历等多比例的图片。

picture.image

picture.image

picture.image

picture.image

picture.image

picture.image

picture.image

picture.image

picture.image

向下滑动查看

六、编程工具使用方式

GLM-4.5 深度优化了全栈编程与工具调用能力,兼容Claude Code、Cline、Roo Code等主流代码智能体。完整使用指南:

完整使用指南:

开源仓库:

模型仓库:

体验地址:


picture.image

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
IDC 大模型应用落地白皮书
大模型技术已深度融入业务实践,各企业期望其释放更大商业价值。 但大模型落地之路面临许多挑战和顾虑。 如何精准对接业务需求与发展蓝图,制定切实可行的大模型落地策略? IDC发布首个大模型应用策略与行动指南 一为您揭晓一
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论