Micropaper
·
GLM-5：从「氛围编程」到「智能体工程」的范式跃迁
💡
原文中文，约1900字，阅读约需5分钟。
📝
内容提要
GLM-5是智谱AI与清华大学联合推出的基础模型，拥有7440亿参数，采用异步强化学习，支持多种思维模式，适配中国芯片生态，基准测试表现优异，标志着AI领域的重大突破。
🎯
关键要点
-
GLM-5是智谱AI与清华大学联合推出的基础模型，拥有7440亿参数。
-
GLM-5采用DeepSeek Sparse Attention架构，实现了高效的参数规模。
-
GLM-5的异步强化学习基础设施提高了GPU利用率，支持大规模智能体轨迹探索。
-
GLM-5支持三种思维模式：交错思维、保留思维和轮次级思维。
-
GLM-5完全适配中国的GPU生态系统，降低了部署成本。
-
在基准测试中，GLM-5表现优异，成为首个达到50分的开源权重模型。
-
GLM-5在真实世界智能体工程评估中表现出色，构建成功率达到98.0%。
-
GLM-5曾以匿名身份在OpenRouter上发布，引起用户关注。
-
GLM-5代表了实用AI效用的范式转变，旨在探索智能体通用智能的前沿。
❓
延伸问答
GLM-5的参数规模有多大？
GLM-5拥有7440亿参数，激活参数量为400亿。
GLM-5采用了什么样的学习架构？
GLM-5采用了异步强化学习基础设施，能够提高GPU利用率并支持大规模智能体轨迹探索。
GLM-5支持哪些思维模式？
GLM-5支持交错思维、保留思维和轮次级思维三种思维模式。
GLM-5在基准测试中的表现如何？
GLM-5在基准测试中表现优异，成为首个达到50分的开源权重模型。
GLM-5如何适配中国的GPU生态系统？
GLM-5完全适配中国的GPU生态系统，通过深度优化降低了部署成本。
GLM-5的成功率在真实世界智能体工程评估中是多少？
GLM-5在真实世界智能体工程评估中达到了98.0%的构建成功率。
➡️
