2 月 12 日，智譜發佈 GLM-5，技驚四座。10 天后技術報告出爐，讓人們一窺 GLM-5 模型的內在基因。
有意思的不是又刷了什麼榜，而是整個思路變了：不再比參數大小，開始比系統工程能力。
GLM-5 做的三件事都挺實在：1、模型真的能完成複雜任務了，不只是寫幾行代碼；2、訓練效率上了一個台階，超大模型不再是純燒錢遊戲；3、從底層到推理框架全面適配國產芯片——這個最關鍵。
如果説之前是 “中國在追趕”，現在則已經開始搭自己的技術體系了。
<h2>從&#34;給代碼&#34;到&#34;做系統&#34;</h2>
報告提了個概念轉變：從 Vibe Coding 到 Agentic Engineering。前者是你説一句我給段代碼，後者是你給目標、我自己規劃拆解、寫代碼調工具、調試迭代，直到把整個系統搞定。
GLM-5 的重點已經不是單題得分，而是：
<blockquote>
200K 上下文（幾百頁文檔的量）
跨文件軟件工程任務
長週期任務中持續規劃修正
多輪交互保持思考一致性
</blockquote>
比如 Vending-Bench 2 要求&#34;模擬經營自動售貨機一年&#34;，最後看賬户餘額。GLM-5 在開源模型裏第一，接近 Claude Opus 4.5。這測的是長期決策能力，不是問答題。
模型開始有&#34;工程級智能&#34;了。
<h2>稀疏注意力：不再無腦燒算力</h2>
GLM-5 有 744B 參數（激活 40B），訓練了 28.5 萬億 token。按傳統架構，算力消耗會爆炸。
核心創新是 DSA（DeepSeek 稀疏注意力）。傳統注意力機制&#34;看所有內容&#34;，計算複雜度平方級增長；DSA 動態判斷&#34;哪些 token 真正重要&#34;，只算關鍵部分。
200K 長上下文下，DSA 把注意力計算量降低 1.5–2 倍。
而且——無損。
其他高效注意力方法通常犧牲精度，DSA 通過繼續預訓練平滑過渡，性能不退化。
結果是：
<ul>
<li>同樣算力 → 更長上下文</li>
<li>同樣成本 → 更高推理能力</li>
<li>同樣硬件 → 更大模型</li>
</ul>
對中國來説，效率創新比堆算力重要得多。
<h2>強化學習架構重構</h2>
GLM-5 的 RL 體系做了徹底改造。
生成與訓練解耦。模型生成軌跡，訓練在另一套系統異步進行。過去要等最慢任務完成才繼續訓練，現在誰先完成誰先訓練，吞吐大幅提升。對長程 Agent 任務至關重要。
異步 Agent RL 算法解決了真實軟件工程中任務持續數小時的問題。引入：
<ul>
<li>Token-in-Token-out（避免重新分詞誤差）</li>
<li>雙側重要性採樣</li>
<li>DP-aware 路由優化 KV cache</li>
</ul>
模型能在複雜環境中穩定學習，不會因策略偏移崩潰。
説白了，解決的是&#34;如何讓大模型在真實任務中持續自我改進&#34;。
<h2>真正關鍵的一步：適配國產算力</h2>
報告對中國 AI 最重要的部分在這。
GLM-5 原生適配國產 GPU 生態，已兼容華為昇騰、摩爾線程、海光、寒武紀、崑崙芯、天數智芯、燧原。
不是&#34;能跑&#34;那種適配，而是：
<ul>
<li>KV cache 調度優化</li>
<li>通信機制適配</li>
<li>混合精度訓練匹配</li>
<li>INT4 量化感知訓練對齊</li>
<li>分佈式並行策略重構</li>
</ul>
很多國產芯片生態的難點不是算力，是軟件棧。
GLM-5 的意義在於：不是圍繞單一海外硬件架構設計，而是面向多種國產算力平台做系統級適配。
這是個質變——中國大模型開始圍繞本土硬件生態做工程優化，不再被動遷移。
報告稱，得益於上述軟硬協同的極致優化，GLM-5 在單台國產算力節點上的性能表現，已足可媲美由兩台國際主流 GPU 組成的計算集羣；不僅如此，在長序列處理場景下，其部署成本更是大幅降低了 50%。
<h2>軟硬件閉環正在形成</h2>
把 GLM-5 的技術路徑拆開看，是個完整閉環：
模型架構創新（DSA）→ 訓練效率優化（異步 RL）→ 內存與通信壓縮（ZeRO、激活卸載）→ 低精度對齊（INT4 QAT）→ 國產芯片深度適配
這是一條完整的國產 AI 工程鏈路。
過去中國 AI 的優勢在應用層，現在開始進入架構創新、算法工程、訓練系統、芯片適配、推理框架的全棧優化。
這份技術報告的真正意義，不在某個基準測試分數，在於中國 AI 第一次以&#34;體系能力&#34;展示競爭力。
<h2>從炫技到成熟</h2>
GLM-5 的報告沒過度強調&#34;我們比誰強多少&#34;，詳細披露訓練流程、算法選擇、工程權衡、消融實驗。這本身就是成熟的表現。
當一個模型開始談 GPU 利用率、長尾延遲、KV cache 複用、量化 kernel 對齊、災難性遺忘控制——它已經不是在秀能力，而是在做工業級系統。
對中國來説，GLM-5 更像是一次宣告：我們不僅能做大模型，也能做自己的算力適配，還能把兩者打通。
這才是真正的跨越。

智譜

對中國來説，GLM-5 更像是一次宣告：我們不僅能做大模型，也能做自己的算力適配，還能把兩者打通。

- GLM-5 的發佈標誌着中國 AI 模型在技術體系上的重大轉變。  
- 其核心創新包括適配國產芯片、提升訓練效率及實現工程級智能。  
- 中國 AI 進入全棧優化階段，顯示出在硬件和算法上的自信和能力。

智譜發佈 GLM-5 技術細節：工程級智能，適配國產算力