2 月 12 日，智谱发布 GLM-5，技惊四座。10 天后技术报告出炉，让人们一窥 GLM-5 模型的内在基因。
有意思的不是又刷了什么榜，而是整个思路变了：不再比参数大小，开始比系统工程能力。
GLM-5 做的三件事都挺实在：1、模型真的能完成复杂任务了，不只是写几行代码；2、训练效率上了一个台阶，超大模型不再是纯烧钱游戏；3、从底层到推理框架全面适配国产芯片——这个最关键。
如果说之前是 “中国在追赶”，现在则已经开始搭自己的技术体系了。
<h2>从&#34;给代码&#34;到&#34;做系统&#34;</h2>
报告提了个概念转变：从 Vibe Coding 到 Agentic Engineering。前者是你说一句我给段代码，后者是你给目标、我自己规划拆解、写代码调工具、调试迭代，直到把整个系统搞定。
GLM-5 的重点已经不是单题得分，而是：
<blockquote>
200K 上下文（几百页文档的量）
跨文件软件工程任务
长周期任务中持续规划修正
多轮交互保持思考一致性
</blockquote>
比如 Vending-Bench 2 要求&#34;模拟经营自动售货机一年&#34;，最后看账户余额。GLM-5 在开源模型里第一，接近 Claude Opus 4.5。这测的是长期决策能力，不是问答题。
模型开始有&#34;工程级智能&#34;了。
<h2>稀疏注意力：不再无脑烧算力</h2>
GLM-5 有 744B 参数（激活 40B），训练了 28.5 万亿 token。按传统架构，算力消耗会爆炸。
核心创新是 DSA（DeepSeek 稀疏注意力）。传统注意力机制&#34;看所有内容&#34;，计算复杂度平方级增长；DSA 动态判断&#34;哪些 token 真正重要&#34;，只算关键部分。
200K 长上下文下，DSA 把注意力计算量降低 1.5–2 倍。
而且——无损。
其他高效注意力方法通常牺牲精度，DSA 通过继续预训练平滑过渡，性能不退化。
结果是：
<ul>
<li>同样算力 → 更长上下文</li>
<li>同样成本 → 更高推理能力</li>
<li>同样硬件 → 更大模型</li>
</ul>
对中国来说，效率创新比堆算力重要得多。
<h2>强化学习架构重构</h2>
GLM-5 的 RL 体系做了彻底改造。
生成与训练解耦。模型生成轨迹，训练在另一套系统异步进行。过去要等最慢任务完成才继续训练，现在谁先完成谁先训练，吞吐大幅提升。对长程 Agent 任务至关重要。
异步 Agent RL 算法解决了真实软件工程中任务持续数小时的问题。引入：
<ul>
<li>Token-in-Token-out（避免重新分词误差）</li>
<li>双侧重要性采样</li>
<li>DP-aware 路由优化 KV cache</li>
</ul>
模型能在复杂环境中稳定学习，不会因策略偏移崩溃。
说白了，解决的是&#34;如何让大模型在真实任务中持续自我改进&#34;。
<h2>真正关键的一步：适配国产算力</h2>
报告对中国 AI 最重要的部分在这。
GLM-5 原生适配国产 GPU 生态，已兼容华为昇腾、摩尔线程、海光、寒武纪、昆仑芯、天数智芯、燧原。
不是&#34;能跑&#34;那种适配，而是：
<ul>
<li>KV cache 调度优化</li>
<li>通信机制适配</li>
<li>混合精度训练匹配</li>
<li>INT4 量化感知训练对齐</li>
<li>分布式并行策略重构</li>
</ul>
很多国产芯片生态的难点不是算力，是软件栈。
GLM-5 的意义在于：不是围绕单一海外硬件架构设计，而是面向多种国产算力平台做系统级适配。
这是个质变——中国大模型开始围绕本土硬件生态做工程优化，不再被动迁移。
报告称，得益于上述软硬协同的极致优化，GLM-5 在单台国产算力节点上的性能表现，已足可媲美由两台国际主流 GPU 组成的计算集群；不仅如此，在长序列处理场景下，其部署成本更是大幅降低了 50%。
<h2>软硬件闭环正在形成</h2>
把 GLM-5 的技术路径拆开看，是个完整闭环：
模型架构创新（DSA）→ 训练效率优化（异步 RL）→ 内存与通信压缩（ZeRO、激活卸载）→ 低精度对齐（INT4 QAT）→ 国产芯片深度适配
这是一条完整的国产 AI 工程链路。
过去中国 AI 的优势在应用层，现在开始进入架构创新、算法工程、训练系统、芯片适配、推理框架的全栈优化。
这份技术报告的真正意义，不在某个基准测试分数，在于中国 AI 第一次以&#34;体系能力&#34;展示竞争力。
<h2>从炫技到成熟</h2>
GLM-5 的报告没过度强调&#34;我们比谁强多少&#34;，详细披露训练流程、算法选择、工程权衡、消融实验。这本身就是成熟的表现。
当一个模型开始谈 GPU 利用率、长尾延迟、KV cache 复用、量化 kernel 对齐、灾难性遗忘控制——它已经不是在秀能力，而是在做工业级系统。
对中国来说，GLM-5 更像是一次宣告：我们不仅能做大模型，也能做自己的算力适配，还能把两者打通。
这才是真正的跨越。

智谱

对中国来说，GLM-5 更像是一次宣告：我们不仅能做大模型，也能做自己的算力适配，还能把两者打通。

- GLM-5 的发布标志着中国 AI 模型在技术体系上的重大转变。  
- 其核心创新包括适配国产芯片、提升训练效率及实现工程级智能。  
- 中国 AI 进入全栈优化阶段，显示出在硬件和算法上的自信和能力。

智谱发布 GLM-5 技术细节：工程级智能，适配国产算力