[新聞] 中國智譜發布新開源模型 勝過Gemini3
原文標題：
GLM-5: From Vibe Coding to Agentic Engineering
原文連結：
https://z.ai/blog/glm-5
發布時間：
2026-02-12
記者署名：
無
※原文無記載者得留空
原文內容：
We are launching GLM-5, targeting complex systems engineering and long-horizon a
gentic tasks. Scaling is still one of the most important ways to improve the int
elligence efficiency of Artificial General Intelligence (AGI). Compared to GLM-4
.5, GLM-5 scales from 355B parameters (32B active) to 744B parameters (40B activ
e), and increases pre-training data from 23T to 28.5T tokens. GLM-5 also integra
tes DeepSeek Sparse Attention (DSA), significantly reducing deployment cost whil
e preserving long-context capacity.
我們正式推出 GLM-5，其目標是應對複雜系統工程與長時程智慧體任務。規模化仍然是提升
通用人工智慧智慧效率最重要的方法之一。與 GLM-4.5 相比，GLM-5 的規模從 3,550 億參
數（其中 320 億為啟動參數）擴展至 7,440 億參數（400 億啟動參數），並將預訓練數據
從 23T 提升至 28.5T Token。此外，GLM-5 整合了 DeepSeek 稀疏注意力機制，在大幅降
低部署成本的同時，仍保有優異的長文本處理能力。
Reinforcement learning aims to bridge the gap between competence and excellence
in pre-trained models. However, deploying it at scale for LLMs is a challenge du
e to RL training inefficiency. To this end, we developed slime, a novel asynchro
nous RL infrastructure that substantially improves training throughput and effic
iency, enabling more fine-grained post-training iterations. With advances in bot
h pre-training and post-training, GLM-5 delivers significant improvement compare
d to GLM-4.7 across a wide range of academic benchmarks and achieves best-in-cla
ss performance among all open-source models in the world on reasoning, coding, a
nd agentic tasks, closing the gap with frontier models.
強化學習旨在彌補預訓練模型在「勝任」與「卓越」之間的差距。然而，由於強化學習訓練
效率低下的問題，將其大規模應用於大型語言模型仍具挑戰性。為此，我們開發了「slime
」——一種新型的非同步強化學習基礎設施，能顯著提升訓練吞吐量與效率，從而實現更細
粒度的後訓練迭代。憑藉在預訓練與後訓練方面的進步，GLM-5 在各項學術基準測試中相較
於 GLM-4.7 有顯著提升，並在推理、程式碼編寫與智慧體任務方面，於全球所有開源模型
中達到了頂尖表現，進一步縮小了與前沿模型之間的差距。
心得/評論：
https://i.meee.com.tw/DAfKbgq.jpg
智譜 (2513.HK) 發布了新一代大模型 GLM-5，基準測試已超越 Google 的 Gemini 3 系列
，僅次於 Claude Opus 4.6 與 GPT-5.2 (深度思考模式)。
作為全球首個上市的純AI模型公司，上市後的第一個旗艦模型依舊維持MIT開源，任何人現
在都能下載直接用，這要怎麼賺錢？不過市場看起來很熱烈，早盤最高達到+33%了。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.79.16.163 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1770868985.A.244.html
Stock 近期熱門文章
PTT職涯區 即時熱門文章
