智譜GLM-5技術(shù)全公開(kāi)！完全適配華為等國(guó)產(chǎn)芯片，美國(guó)網(wǎng)友酸了

• 金磊 發(fā)自 凹非寺
  量子位 | 公眾號(hào) QbitAI

GLM-5是怎么煉成的？

現(xiàn)在，它背后的論文終于完全公開(kāi)了。

論文的名字也很直接：告別Vibe Coding，邁入智能體工程（Agentic Engineering）。

也正如我們之前實(shí)測(cè)的那般，它可以自己連續(xù)跑代碼超過(guò)24小時(shí)、700次工具調(diào)用、800次上下文切換，從零直接手搓一個(gè)Game Boy Advance（GBA）模擬器。

一言蔽之，GLM-5把開(kāi)源AI拽進(jìn)了長(zhǎng)任務(wù)時(shí)代。

外國(guó)網(wǎng)友直呼“GLM-5是最好的開(kāi)源模型”：

并且還認(rèn)為“極大拉小了和Claude Opus 4.6之間的距離”

除此之外，資本市場(chǎng)的表現(xiàn)也是可以從側(cè)面印證一家大模型公司的實(shí)力。

畢竟春節(jié)期間，智譜股價(jià)飆升的程度，毋庸置疑，大家有目共睹。

現(xiàn)如今，這份長(zhǎng)達(dá)40頁(yè)的論文，徹底揭開(kāi)了它背后的一切技術(shù)秘密。亮點(diǎn)如下：

• 架構(gòu)方面：在上一代經(jīng)過(guò)驗(yàn)證的ARC（智能體、推理與編程）能力和MoE之上，引入DeepSeek同款稀疏注意力（DSA）；成本大幅打下來(lái)了的同時(shí)，長(zhǎng)上下文能力卻一點(diǎn)沒(méi)丟。
• 后訓(xùn)練方面：全新構(gòu)建的異步強(qiáng)化學(xué)習(xí)基礎(chǔ)設(shè)施，把生成和訓(xùn)練解耦，加上獨(dú)創(chuàng)的異步智能體RL算法，讓效率大幅提升。
• 芯片適配方面：GLM-5完成了與華為昇騰、摩爾線程、海光、寒武紀(jì)、昆侖芯、沐曦以及燧原等國(guó)產(chǎn)芯片的全棧適配

這也讓不少網(wǎng)友在看完論文之后直呼：

• 在成本效率方面，美國(guó)的AI趕不上中國(guó)。

接下來(lái)，就讓我們一起深入扒一扒這篇讓外國(guó)網(wǎng)友羨慕的技術(shù)論文。

GLM-5的三大關(guān)鍵技術(shù)

在深入技術(shù)之前，我們需要先理解GLM-5在技術(shù)發(fā)展當(dāng)下所面臨的難題，即大模型需要真正開(kāi)始干復(fù)雜的難活兒了

因?yàn)樵贕LM-4.5時(shí)代，智譜已經(jīng)證明了將ARC能力融合進(jìn)單一MoE架構(gòu)是完全可行的。

但當(dāng)模型真正投入到復(fù)雜的軟件工程、長(zhǎng)周期多輪對(duì)話的真實(shí)業(yè)務(wù)中時(shí)，算力成本和真實(shí)環(huán)境適應(yīng)性成為了老大難的問(wèn)題。

GLM-5 的整體訓(xùn)練流程

GLM-5要解決的就是這些瓶頸。因此，它在核心技術(shù)方面祭出了三把板斧。

第一板斧：引入DeepSeek同款稀疏注意力機(jī)制

在Transformer架構(gòu)中，傳統(tǒng)的密集注意力計(jì)算復(fù)雜度是隨著上下文長(zhǎng)度呈平方級(jí)（O(N2)）增長(zhǎng)的。

當(dāng)上下文窗口擴(kuò)展至200K甚至更長(zhǎng)時(shí)，計(jì)算成本將變得極其昂貴，這成為限制智能體處理復(fù)雜任務(wù)的主要瓶頸。

GLM-5的解法是引入DSA這個(gè)動(dòng)態(tài)稀疏注意力機(jī)制，它的核心理念是用動(dòng)態(tài)的細(xì)粒度選擇機(jī)制替換傳統(tǒng)的密集注意力。與固定的滑動(dòng)窗口模式不同，DSA 會(huì)“審視”內(nèi)容，動(dòng)態(tài)決定哪些Token是重要的。

然而，直接訓(xùn)練一個(gè)基于DSA的超大模型無(wú)異于走鋼絲，很容易因?yàn)橄∈杌瘞?lái)的信息丟失而導(dǎo)致梯度爆炸或模型崩塌。

因此，GLM-5團(tuán)隊(duì)采取了一種極其巧妙的繼續(xù)預(yù)訓(xùn)練策略，主要包含兩個(gè)步驟：

1. 稠密預(yù)熱（Dense Warm-up）：模型并非一上來(lái)就搞稀疏。在預(yù)訓(xùn)練的初始階段，模型依然使用相對(duì)稠密的注意力機(jī)制（類(lèi)似于MLA的變體），讓模型先看全所有的信息，建立起全局的、穩(wěn)固的語(yǔ)義表征能力。這就好比一個(gè)人在學(xué)習(xí)速讀之前，必須先扎扎實(shí)實(shí)地精讀。
2. 平滑過(guò)渡與稀疏訓(xùn)練（Sparse Training）：當(dāng)模型具備了良好的基礎(chǔ)后，開(kāi)始逐步提高稀疏度。DSA的核心邏輯是：在計(jì)算當(dāng)前Token的注意力時(shí)，不再關(guān)注歷史上的所有Token，而是通過(guò)一個(gè)動(dòng)態(tài)的路由機(jī)制（Routing Mechanism），只挑選出與之最相關(guān)的Top-K個(gè)Token進(jìn)行計(jì)算。

MLA與DSA訓(xùn)練的SFT損失曲線對(duì)比

根據(jù)技術(shù)報(bào)告披露的數(shù)據(jù)，這一板斧砍下去，效果是立竿見(jiàn)影的：

• KV Cache開(kāi)銷(xiāo)驟降75%：這意味著同樣的顯卡，現(xiàn)在可以支撐4倍以上的并發(fā)請(qǐng)求，或者處理長(zhǎng)達(dá)4倍的上下文。
• 推理速度提升3倍：注意力計(jì)算的FLOPS被大幅削減，首字響應(yīng)時(shí)間（TTFT）和每秒生成Token數(shù)（TPS）都達(dá)到了行業(yè)頂尖水平。
• 長(zhǎng)文本能力幾乎無(wú)損：這是最令人不可思議的一點(diǎn)。在著名的大海撈針以及諸如RULER等長(zhǎng)文本復(fù)雜推理評(píng)測(cè)中，引入DSA的GLM-5與全稠密模型相比，性能下降微乎其微（小于0.5%）。

第二板斧：異步多任務(wù)強(qiáng)化學(xué)習(xí)

如果說(shuō)DSA解決的是推理成本問(wèn)題，那么GLM-5的第二板斧，解決的就是訓(xùn)練效率問(wèn)題，尤其是決定模型最終智商的后訓(xùn)練階段。

當(dāng)前業(yè)界主流的強(qiáng)化學(xué)習(xí)對(duì)齊算法依然是PPO（近端策略優(yōu)化）。

標(biāo)準(zhǔn)的PPO是一個(gè)高度同步的過(guò)程，涉及到四個(gè)模型，即Actor生成模型、Reference參考模型、Critic評(píng)論家模型、Reward獎(jiǎng)勵(lì)模型在多臺(tái)GPU上的協(xié)同。

這種“走一步，停一下”的同步機(jī)制，導(dǎo)致整個(gè)集群的GPU利用率經(jīng)常徘徊在20%-30%左右，大部分算力都浪費(fèi)在等待網(wǎng)絡(luò)通信和進(jìn)程同步上了。

為了打破這個(gè)瓶頸，智譜基于4.5時(shí)代的Slime框架，為GLM-5從底層重寫(xiě)了一套異步強(qiáng)化學(xué)習(xí)基礎(chǔ)設(shè)施（Asynchronous RL Infrastructure）

它的核心設(shè)計(jì)是將訓(xùn)練引擎和推理引擎解耦到不同的GPU設(shè)備上。推理引擎持續(xù)生成軌跡，一旦生成數(shù)量達(dá)到預(yù)定閾值，這批數(shù)據(jù)就被發(fā)送到訓(xùn)練引擎更新模型。為減少策略滯后并保持訓(xùn)練的近似同策略性，推理引擎的模型權(quán)重會(huì)定期與訓(xùn)練側(cè)同步。

這種完全異步的訓(xùn)練范式，通過(guò)減少Agent rollout期間的“氣泡”時(shí)間，顯著提升了GPU利用率和訓(xùn)練效率。

但要支撐這種異步架構(gòu)，還有幾個(gè)關(guān)鍵技術(shù)難題需要解決：

第一，Token-in-Token-out（TITO）代替Text-in-Text-out。

在RL rollout設(shè)置中，TITO意味著訓(xùn)練流程直接消費(fèi)推理引擎生成的精確tokenization和解碼token流來(lái)構(gòu)建學(xué)習(xí)軌跡。相比之下，Text-in-Text-out將rollout引擎視為返回最終文本的黑箱，訓(xùn)練器需要重新tokenization重建軌跡。

這個(gè)看似微小的選擇實(shí)際上影響巨大：重新tokenization可能在token邊界、空白處理、截?cái)嗷蛱厥鈚oken放置上引入細(xì)微不匹配，從而影響對(duì)單個(gè)token采樣概率的估計(jì)。GLM-5實(shí)現(xiàn)了一個(gè)TITO網(wǎng)關(guān)，攔截rollout任務(wù)的所有生成請(qǐng)求并記錄每個(gè)軌跡的tokenID和元數(shù)據(jù)，將繁瑣的tokenID處理從下游Agent rollout邏輯中隔離出來(lái)。

第二，直接雙側(cè)重要性采樣解決離策略偏差。

在異步設(shè)置中，rollout引擎可能在單個(gè)軌跡生成過(guò)程中經(jīng)歷多次更新，這使得追蹤歷史訓(xùn)練側(cè)模型的精確行為概率在計(jì)算上不可行——維護(hù)多個(gè)歷史模型權(quán)重顯然不現(xiàn)實(shí)。

研究團(tuán)隊(duì)采用簡(jiǎn)化方案：將rollout期間生成的對(duì)數(shù)概率作為直接行為代理，通過(guò)計(jì)算重要性采樣比rt(θ) = πθ/πrollout，丟棄傳統(tǒng)的πθ_old，消除單獨(dú)舊策略推理的計(jì)算開(kāi)銷(xiāo)。同時(shí)采用雙側(cè)校準(zhǔn)token級(jí)掩碼策略，將信任域限制在[1-ε_(tái)l, 1+ε_(tái)h]，對(duì)落在此區(qū)間之外的token完全屏蔽梯度計(jì)算。

第三，DP感知路由加速長(zhǎng)上下文推理。

在多輪Agent工作負(fù)載中，來(lái)自相同rollout的順序請(qǐng)求共享相同前綴。研究團(tuán)隊(duì)提出通過(guò)一致性哈希將每個(gè)rollout ID映射到固定數(shù)據(jù)并行（DP）rank，并結(jié)合哈希空間上的輕量級(jí)動(dòng)態(tài)負(fù)載重新平衡。這避免了冗余的預(yù)填充計(jì)算，無(wú)需跨DP rank的KV同步，隨著rollout長(zhǎng)度增加，預(yù)填充成本仍與增量token成正比。

這套異步RL基礎(chǔ)設(shè)施支撐了GLM-5在多領(lǐng)域的混合RL訓(xùn)練：數(shù)學(xué)、科學(xué)、代碼和工具集成推理（TIR）。數(shù)據(jù)來(lái)源包括開(kāi)源數(shù)據(jù)集、與外部標(biāo)注供應(yīng)商共同構(gòu)建的STEM問(wèn)題、Codeforces及TACO等代表性數(shù)據(jù)集。訓(xùn)練中為各領(lǐng)域分配專屬裁判模型或評(píng)估系統(tǒng)生成二元結(jié)果獎(jiǎng)勵(lì)，四個(gè)領(lǐng)域的整體混合大致保持平衡。

第三板斧：投喂真實(shí)世界數(shù)據(jù)

傳統(tǒng)SFT數(shù)據(jù)往往依賴標(biāo)準(zhǔn)答案，但真實(shí)世界是復(fù)雜多變的。

為了讓模型具備真正的工程能力，GLM-5的第三板斧，就是構(gòu)建大量可驗(yàn)證的真實(shí)世界環(huán)境數(shù)據(jù)

整個(gè)SFT語(yǔ)料庫(kù)涵蓋三大類(lèi)別：通用對(duì)話、推理、編程與Agent。

值得注意的是，GLM-5在SFT階段將最大上下文長(zhǎng)度擴(kuò)展至202752個(gè)token，并支持三種不同的思考特征：

• 交錯(cuò)思考：模型在每次響應(yīng)和工具調(diào)用前進(jìn)行思考，提升指令遵循和生成質(zhì)量；
• 保留思考：在Coding Agent場(chǎng)景中，模型自動(dòng)在多輪對(duì)話中保留所有思考?jí)K，復(fù)用已有推理而非重新推導(dǎo)，減少信息丟失和不一致性；
• 輪級(jí)思考：支持在會(huì)話中對(duì)每輪推理進(jìn)行精細(xì)控制，輕量級(jí)請(qǐng)求可禁用思考降低延遲，復(fù)雜任務(wù)可啟用思考提升精度和穩(wěn)定性。

為了支持Agent RL，研究團(tuán)隊(duì)還構(gòu)建了大規(guī)模的、可驗(yàn)證的可執(zhí)行環(huán)境：

• 軟件工程環(huán)境：基于真實(shí)世界的Issue-PR對(duì)，采用RepoLaunch框架自動(dòng)分析倉(cāng)庫(kù)安裝和依賴設(shè)置，構(gòu)建可執(zhí)行環(huán)境并生成測(cè)試命令。最終跨數(shù)千個(gè)倉(cāng)庫(kù)、涵蓋9種編程語(yǔ)言（Python、Java、Go、C、C++、JavaScript、TypeScript、PHP、Ruby），構(gòu)建了超過(guò)10000個(gè)可驗(yàn)證環(huán)境。
• 終端環(huán)境：采用三階段Agent數(shù)據(jù)合成流程——任務(wù)草稿生成、具體任務(wù)實(shí)現(xiàn)、迭代任務(wù)優(yōu)化。從種子任務(wù)出發(fā)，利用LLM生成可驗(yàn)證的終端任務(wù)草稿，由構(gòu)建Agent在Harbor格式中實(shí)例化為具體任務(wù)（結(jié)構(gòu)化任務(wù)描述、Docker化執(zhí)行環(huán)境、測(cè)試腳本），再由精煉Agent迭代優(yōu)化。整體流程產(chǎn)出數(shù)千個(gè)多樣化終端環(huán)境，Docker構(gòu)建精度超過(guò)90%。
• 搜索任務(wù)：構(gòu)建Web知識(shí)圖譜，以低至中頻實(shí)體為種子節(jié)點(diǎn)擴(kuò)展多跳鄰域，將每個(gè)子圖轉(zhuǎn)化為隱式編碼多實(shí)體關(guān)系鏈的問(wèn)題。再經(jīng)過(guò)三階段過(guò)濾（刪除無(wú)工具推理模型能答對(duì)的、過(guò)濾早期Agent能幾步解決的、雙向驗(yàn)證拒絕非唯一答案或不一致證據(jù)的），最終獲得高質(zhì)量、高難度的多跳問(wèn)答對(duì)。

• PPT生成：采用多層級(jí)獎(jiǎng)勵(lì)機(jī)制——第1級(jí)關(guān)注靜態(tài)標(biāo)記屬性（定位、間距、顏色、字體等），第2級(jí)評(píng)估運(yùn)行時(shí)渲染屬性（元素寬高、邊界框等），第3級(jí)引入視覺(jué)感知特征（異常空白模式等）。最終生成的頁(yè)面中嚴(yán)格符合16:9寬高比的比例從40%提升至92%，頁(yè)面溢出顯著減少。

大模型的測(cè)試也更難了

技術(shù)的進(jìn)步最終需要經(jīng)受評(píng)測(cè)的檢驗(yàn)。

GLM-5的論文不僅展示了其在傳統(tǒng)榜單上的成績(jī)，更揭示了一個(gè)趨勢(shì)：大模型的測(cè)試正在變得更難、更貼近真實(shí)。

在Humanity’s Last Exam（HLE）、SWE-bench Verified、BrowseComp等關(guān)鍵榜單上，數(shù)據(jù)顯示，GLM-5在SWE-bench Verified上得分77.8%，在開(kāi)源模型中達(dá)到SOTA，優(yōu)于Gemini 3 Pro，并與Claude Opus 4.5相當(dāng)。

在HLE（含工具）測(cè)試中，GLM-5得分50.4，優(yōu)于Claude Opus 4.5和Gemini 3 Pro。

在Artificial Analysis Intelligence Index v4.0中，GLM-5得到50分，成為新的開(kāi)源SOTA模型，這是開(kāi)放權(quán)重模型首次在該指數(shù)中達(dá)到50分。

然而，智譜團(tuán)隊(duì)認(rèn)為，傳統(tǒng)的SWE-bench已經(jīng)不夠看了。

因?yàn)樗且粋€(gè)靜態(tài)、公開(kāi)且發(fā)布超過(guò)2年的測(cè)試集，模型可能存在記憶效應(yīng)。

為此，GLM-5團(tuán)隊(duì)推出了CC-Bench-V2，一個(gè)完全自動(dòng)化的、模擬真實(shí)軟件開(kāi)發(fā)的評(píng)測(cè)集，涵蓋前端、后端和長(zhǎng)程任務(wù)。

在前端評(píng)估中，團(tuán)隊(duì)引入了Agent-as-a-Judge技術(shù)，通過(guò)GUI Agent模擬用戶交互，驗(yàn)證生成項(xiàng)目的功能正確性。

結(jié)果顯示，GLM-5的構(gòu)建成功率（BSR）達(dá)到98.0%，在檢查項(xiàng)成功率（CSR）上與Claude Opus 4.5具備競(jìng)爭(zhēng)力。

在后端評(píng)估中，GLM-5在真實(shí)開(kāi)源項(xiàng)目上的Pass@1達(dá)到25.8%，與Claude Opus 4.5相當(dāng)，顯著領(lǐng)先于GLM-4.7。

更值得一提的是長(zhǎng)程任務(wù)評(píng)估。CC-Bench-V2通過(guò)挖掘已合并的Pull Request構(gòu)建多步鏈?zhǔn)饺蝿?wù)，評(píng)估模型在增量開(kāi)發(fā)中的上下文跟蹤與規(guī)劃能力。

雖然GLM-5在此項(xiàng)上較GLM-4.7有顯著提升，但與Claude Opus 4.5仍有差距。團(tuán)隊(duì)坦言，這是因?yàn)殒準(zhǔn)饺蝿?wù)中錯(cuò)誤會(huì)累積放大，縮小這一差距需要在長(zhǎng)上下文一致性和長(zhǎng)程自糾錯(cuò)方面繼續(xù)突破。

這一系列評(píng)測(cè)結(jié)果釋放了兩個(gè)明確信號(hào)：

• 第一，GLM-5 是開(kāi)源界的第一個(gè)“全站工程師”，讓 AI 能自主執(zhí)行超長(zhǎng)、超復(fù)雜的任務(wù)；
• 第二，通過(guò)單體MoE架構(gòu)統(tǒng)一Agent、推理與代碼能力的可行性得到了驗(yàn)證，同時(shí)證明了RL在復(fù)雜代碼生成中的巨大潛力。這對(duì)閉源模型而言，無(wú)疑是一種巨大的沖擊。

One More Thing

在論文的最后，團(tuán)隊(duì)透露了一個(gè)有趣的彩蛋——Pony Alpha實(shí)驗(yàn)

在論文公開(kāi)前，GLM-5曾以Pony Alpha為代號(hào)，匿名發(fā)布在OpenRouter平臺(tái)上。隱去品牌信息后，模型憑借卓越的性能在社區(qū)引發(fā)轟動(dòng)。

初步統(tǒng)計(jì)顯示，25%的用戶推測(cè)它是Claude Sonnet 5，20%認(rèn)為是Grok的新版本，僅有部分用戶猜中了GLM-5。

這次匿名測(cè)試打破了先入為主的地緣偏見(jiàn)，讓社區(qū)的認(rèn)可回歸到了“好用與否”這一最純粹的技術(shù)本質(zhì)。

最終確認(rèn)Pony Alpha真身即是GLM-5，這對(duì)團(tuán)隊(duì)是一次巨大的鼓舞，也有力回?fù)袅碎L(zhǎng)期以來(lái)外界對(duì)中國(guó)本土模型技術(shù)水準(zhǔn)的質(zhì)疑。

不僅如此，這次GLM-5論文公布之后，在海外已經(jīng)有不少人當(dāng)教程來(lái)學(xué)習(xí)了。

若是你也對(duì)此感興趣，論文放下面了，一起學(xué)習(xí)一下吧~

GLM-5論文地址：
https://arxiv.org/abs/2602.15763