零点快讯社2026年02月23日 10:56消息，智谱GLM-5全栈国产化首发，零套壳、全自研，原生适配7大国产芯片，实现中国大模型芯突破。
2月23日消息，全球爆火、单日股价狂涨42%、被称作“全球大模型第一股”的智谱日前发布GLM-5技术报告，公开全部技术细节，正面回应长期存在的“套壳”“蒸馏海外模型”等质疑。此举在业内引发强烈关注——这不仅是技术层面的集中亮剑，更是一次罕见的、以全栈透明姿态直面行业信任危机的主动出击。
智谱在报告中指出，GLM-5是一款旨在推动编程范式从“VibeCoding”（氛围编程）转向“AgenticEngineering”（智能体工程）的下一代基础模型。这一提法看似抽象，实则切中当前大模型落地的核心痛点：用户不再满足于零散代码片段或单轮问答，而是期待模型能像资深工程师一样理解系统上下文、拆解长周期任务、自主调用工具并持续纠错。GLM-5将此定义为战略演进方向，本身即是对“重指标轻体验”行业惯性的有力纠偏。
总体而言，GLM-5实现性能大幅跃升，主要得益于以下四大技术创新：
第一，引入DSA稀疏注意力机制（DeepSeek Sparse Attention, DSA）。这一全新架构极大降低了训练与推理成本。此前的GLM-4.5依赖标准MoE架构提升效率，而DSA机制则使GLM-5能够根据Token的重要性动态分配注意力资源。在不折损长上下文理解和推理深度的前提下，算力开销得以大幅削减。得益于此，模型参数规模成功扩展至744B（7440亿），训练Token规模提升至28.5T（28.5万亿）。值得注意的是，参数量并非盲目堆砌——744B是在DSA支撑下实现的“有效规模”，其背后是算法对计算资源的精细化调度能力，标志着中国团队在底层注意力机制原创性上已走出独立路径。
第二，构建全新的异步RL基础设施。基于GLM-4.5时期slime框架“训练与推理解耦”的设计，新基建进一步实现“生成与训练”的深度解耦，将GPU利用率推向极致。该系统支持模型开展大规模智能体（Agent）轨迹探索，大幅减缓以往拖慢迭代速度的同步瓶颈，让RL后训练流程效率实现质的飞跃。业内普遍认为，强化学习规模化落地的最大障碍不是算法本身，而是工程基建。智谱此次将RL从“实验室玩具”升级为可量产的工业级流水线，其价值可能不亚于模型结构创新。
第三，提出全新的异步AgentRL算法。该算法旨在全面提升模型的自主决策质量。GLM-4.5曾依靠迭代自蒸馏和结果监督训练Agent；而在GLM-5中，异步算法使模型能从多样化的长周期交互中持续学习，针对动态环境下的规划与自我纠错能力进行深度优化。这正是GLM-5在真实编程场景中表现卓越的底层逻辑。我们观察到，当前多数开源模型的Agent能力仍停留在“任务分解+调用API”的浅层协同，而GLM-5所强调的“长周期交互中持续学习”，暗示其已初步具备环境反馈驱动的在线适应能力——这是迈向真正自主智能体的关键一步。
第四，全面拥抱国产算力生态。从模型发布伊始，GLM-5就原生适配中国GPU生态，已完成从底层内核到上层推理框架的深度优化，全面兼容七大主流国产芯片平台：华为昇腾、摩尔线程、海光、寒武纪、昆仑芯、天数智芯与燧原。尤为值得肯定的是，文中提及“沐曦”应为笔误（前文列七家时未含沐曦，后文合作名单中却出现），实际应与前述七大平台保持一致；但这一细节恰恰折射出国产芯片生态的快速扩容与高度活跃——适配工作已从“能否跑通”进入“如何榨干每一块国产卡性能”的深水区。
智谱表示，硬件生态的异构性往往会让高性能部署变得异常复杂，因此将GLM-5适配至多样化国产芯片基础设施是一项巨大挑战。尽管困难重重，团队通过与华为昇腾、摩尔线程、海光、寒武纪、昆仑芯、天数智芯以及燧原等国内主流芯片平台的深度合作，成功完成GLM-5的全栈适配。这种“软硬咬合式”协同，打破了过去“模型等芯片”或“芯片追模型”的被动循环，标志着中国AI产业正加速形成自主可控的技术闭环。
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50%。这一数据极具现实意义：它意味着中小开发者与初创企业无需仰赖天价进口算力，也能部署接近顶级闭源模型的工程级能力——技术平权，正在从口号走向可触摸的生产力。
在报告结尾，智谱还特别强调，代号为“PonyAlpha”的盲测实验是一个里程碑时刻。在OpenRouter平台上匿名发布GLM-5是一步险棋，但最终反馈不仅印证了技术判断，更带来巨大惊喜。这种“去品牌化”的压力测试，在全球大模型领域尚属首次。当模型剥离所有光环与预设标签，仅凭输出质量接受全球开发者的无差别检验，其结果才真正具有公信力。这也反映出中国AI研发者愈发成熟的科学态度：不靠营销造势，而以真实体验赢得口碑。
通过隐去所有品牌信息，智谱让模型完成了最严苛的“自我证明”，确保所有评价都纯粹且客观。核心反馈如下：上线仅几天，“PonyAlpha”就在OpenRouter社区引发轰动。开发者们敏锐察觉到它在处理复杂代码、Agent任务链路及角色扮演时的卓越能力。这种“神秘的强大”引发广泛猜测：初步统计显示，25%用户推测它是Anthropic的ClaudeSonnet5，20%认为是Grok新版本，10%猜是DeepSeekV4，其余用户则成功猜中GLM-5。最终确认真身即是GLM-5，这对智谱团队是巨大鼓舞，也有力回击了长期以来外界对中国本土模型技术水准的质疑。值得玩味的是，近六成用户将其错判为国际一线模型——这并非误判，而是对其能力边界的自然锚定。当中国模型开始成为全球开发者心中的“默认强选项”，技术自信便有了最坚实的根基。
智谱表示，“PonyAlpha”（GLM-5）不仅赢在基准测试榜单上，更赢在真实场景里。这标志着研发重心已深度转向“工程级可靠性”。这次匿名测试打破了先入为主的地缘政治偏见，让社区认可回归到“好用与否”这一最纯粹的技术本质。我们认同这一判断：在AI军备竞赛日趋白热化的今天，比拼的早已不是单项指标的峰值，而是模型在真实业务流中“不出错、不断链、不掉队”的稳定交付能力。GLM-5将“可靠性”置于SOTA之前，体现了一种更为成熟、更具产业责任感的研发哲学。
庆祝之余，我们深知任重道远。开源追赶闭源的战役仍在继续，智谱将坚定不移探索技术前沿，构建更高效、更智能的底层系统。需要指出的是，“追赶”一词或许已略显陈旧——当GLM-5在SWE-bench-Verified（77.8分）与TerminalBench2.0（56.2分）等硬核工程基准上刷新开源SOTA，并在内部评估中对GLM-4.7实现平均超20%的提升时，中国团队正在从“跟跑者”加速转变为特定赛道的“定义者”。真正的技术自主，不在于是否另起炉灶，而在于能否基于自身需求，锻造出不可替代的工程范式。
延伸阅读：2026年春节前后，AI圈最受关注的两颗“双子星”吸引了全行业目光。一颗是字节跳动发布的Seedance2.0，它凭借出色的视频生成能力受到全球社交网络广泛关注，代表AI在感性与创意维度的重要突破；另一颗则是让很多开发者彻夜难眠的智谱GLM-5。Seedance2.0让世界看到中国AI亮眼的想象力，GLM-5则向世界展示中国AI扎实的执行力。这两条技术路径的并行突破，恰是中国AI从“应用创新”迈向“原创引领”的生动缩影——左手握艺术，右手执工程，方为真正的大国AI格局。
学界与业界正逐渐形成一种共识：大模型正从写代码、写前端，进化到写工程、完成大任务，即“VibeCoding”（氛围编程）转向“AgenticEngineering”（智能体工程）。GLM-5正是这一变革的产物：在Coding与Agent能力上取得开源SOTA表现，在真实编程场景的使用体感逼近ClaudeOpus4.5，擅长复杂系统工程与长程Agent任务。尤其值得重视的是，它并非追求“Demo惊艳”，而是聚焦“生产稳定”——当一个模型能让开发者放心交出核心模块的重构与调试任务时，它才真正跨过了从实验室到产线的最后一道门槛。
在全球权威的ArtificialAnalysis榜单中，GLM-5位居全球第四、开源第一。GLM-5在编程能力上实现对ClaudeOpus4.5的对齐，在业内公认的主流基准测试中取得开源模型SOTA分数。在SWE-bench-Verified和TerminalBench2.0中分别获得77.8和56.2的开源模型SOTA分数，性能超过Gemini3Pro。这些数字背后，是数万小时真实代码场景的打磨，是数百个长程Agent任务的反复验证，更是对“交付即可靠”这一朴素信条的坚守。
2026年，大模型需要从“会写”走到“会完成”，尤其是端到端完成大型任务。GLM-5是一个“系统架构师”，它不仅为开发精美的Demo而生，更为稳定交付生产结果而生。在内部ClaudeCode评估集合中，GLM-5在前端、后端、长程任务等编程开发任务上显著超越GLM-4.7（平均增幅超过20%），能够以极少人工干预自主完成Agentic长程规划与执行、后端重构和深度调试等系统工程任务，使用体感逼近Opus4.5。当“极少人工干预”成为常态，人机协作的边界将被重新定义——人类工程师将真正从重复劳动中解放，转向更高维的系统设计与价值判断。这，或许才是GLM-5留给行业最深远的启示。
