人工智能领域迎来重要突破，一款名为GLM-5的新型基础模型正式发布。这款模型通过引入创新的稀疏注意力机制和异步强化学习框架，在编程、推理和智能体能力方面实现了显著提升，标志着人工智能开发范式从"氛围编程"向"智能体工程"的重大转变。
GLM-5在技术架构上进行了全面革新。研发团队开发的DeepSeek Sparse Attention（DSA）机制，通过动态选择重要token进行注意力计算，在保持长上下文处理能力的同时，将计算成本降低了近50%。模型参数规模扩展至7440亿，训练数据量达到28.5万亿token，创下开源模型新纪录。针对智能体任务特点，团队构建了全新的异步强化学习基础设施，将生成过程与训练过程解耦，使后训练迭代效率提升3倍以上。
在基准测试中，GLM-5展现出卓越性能。在Artificial Analysis Intelligence Index v4.0评测中取得50分，成为首个达到该分数的开源模型。在LMArena平台的文本和代码竞技场中均位列开源模型首位，整体表现与Claude Opus 4.5等顶尖闭源模型相当。特别在处理真实软件工程任务时，GLM-5在SWE-bench Verified等基准上超越所有开源基线，接近闭源模型水平。
智能体能力是GLM-5的核心突破。通过提出的异步Agent强化学习算法，模型在长周期任务中的表现得到质的提升。在模拟经营自动售货机的Vending-Bench 2测试中，GLM-5获得4432美元的最终账户余额，逼近Claude Opus 4.5的表现。新开发的上下文管理策略使模型在BrowseComp基准上的准确率提升至75.9%，超越所有配备上下文管理的开源模型。
研发团队构建了全面的评估体系验证模型实用性。CC-Bench-V2基准测试显示，GLM-5在前端开发任务中达到98.0%的构建成功率，检查项成功率与Claude Opus 4.5相当；在后端开发任务中，Pass@1指标与Claude Opus 4.5持平；在长程任务评估中，代码库探索能力显著优于对比模型。这些结果证明GLM-5能够稳定处理真实开发场景中的复杂工作流。
GLM-5的另一个重要特性是全面适配国产算力生态。通过与国内主流芯片厂商深度合作，模型原生支持华为昇腾、摩尔线程、海光等七大硬件平台。针对国产芯片特点优化的量化策略和算子融合技术，使单台国产服务器即可部署7500亿参数模型，长序列处理成本降低50%，性能达到国际主流GPU集群水平。
在真实场景通用能力评估中，GLM-5在机器翻译、多语言对话、指令遵循等五个维度均实现提升。内部测试显示，模型在中文到小语种翻译、复杂指令理解等任务上的表现优于前代版本。特别在工具调用能力方面，通过分析生产环境中的失败案例构建的专项基准测试显示，GLM-5的工具选择准确率和参数正确率均有显著提高。
