GLM-5 · AI Nav City

核心信息

以下信息由程序从官方接口读取，不经模型改写。

仓库地址: https://github.com/zai-org/GLM-5
许可证: Apache-2.0
维护方: zai-org
主页: https://z.ai/blog/glm-5.3
核验日期: 2026-11-02

它是什么

项目发布了 GLM-5，面向复杂系统工程和长周期智能体任务。项目将 GLM-5.1 描述为其面向智能体工程的下一代旗舰模型。项目将 GLM-5.2 描述为其面向长周期任务的最新旗舰模型。GLM-5.3 使用与 GLM-5.2 相同的基础模型。

主要能力

与 GLM-4.5 相比，GLM-5 的参数量从 355B（32B 激活）扩大到 744B（40B 激活），预训练数据从 23T 增加到 28.5T 个 token。
GLM-5 还集成了 DeepSeek Sparse Attention（DSA）。
项目提出了 IndexShare，它在每四个稀疏注意力层之间复用同一个索引器。
项目还改进了 GLM-5.2 用于推测解码的 MTP 层。
项目称其开发了 slime，一个新颖的异步 RL 基础设施。
GLM-5.3-Flash 从新训练的基础模型出发，其架构和训练方案围绕能力与效率重新设计。

怎么上手

GLM-5.3 和 GLM-5.3-Flash 的 API 服务可在 Z.ai API Platform 上使用。
GLM-5.3 和 GLM-5.3-Flash 支持通过 reasoning_effort 参数控制思考预算，该参数接受 low、high 和 max 三个级别。
GLM-5.2 的 reasoning_effort 只接受 high 和 max。
在 GLM-5.3 和 GLM-5.3-Flash 的聊天模板中，如果未传入，clear_thinking 默认为 false。
在 Ascend NPU 平台上部署时，支持 vLLM-Ascend、xLLM 和 SGLang 等推理框架。

适合谁

GLM-5 系列支持使用 Slime（v0.3.0+）和 ms-swift（v4.4.0+）进行微调。Slime（v0.3.0+）是 GLM 团队使用的强化学习框架。ms-swift（v4.4.0+）支持 SFT、PPO 和 GRPO。

项目称 GLM-5.1 的设计目标是在长得多的周期内对智能体任务保持有效。项目称在标准编码基准上，GLM-5.2 相比 GLM-5.1，在 Terminal-Bench 2.1 上为 81.0 对 62.0，在 SWE-bench Pro 上为 62.1 对 58.4。项目称 GLM-5 在一系列学术基准上相比 GLM-4.7 有显著提升。

项目称在其内部评测集 CC-Bench-V2 上，GLM-5 在前端、后端和长周期任务上明显优于 GLM-4.7。Vending Bench 2 要求模型在一年的周期内运营一个模拟自动售货机业务。项目称在 Vending Bench 2 上，GLM-5 最终账户余额为 4,432 美元。

项目称 GLM-5.3 在其内部 Z.ai Code Bench 上相比 GLM-5.2 提升了 50%。项目称 GLM-5.3 在 CyberGym 的漏洞发现任务上达到了最先进水平。

本站已收录的相关工具。