GLM-4.5：三体合一的开源智能体大模型，重新定义AI推理边界

在追求通用人工智能（AGI）的道路上，智能体能力（Agentic）、复杂推理（Reasoning） 和编程能力（Coding） 是衡量大模型综合实力的“黄金三角”。而最新开源的 GLM-4.5 系列，正是以“ARC三位一体”为目标打造的超级模型，以3550亿参数登顶全球开源模型性能前三！

一、核心突破：MoE架构 + 混合推理模式

1. 高能效设计

• 总参数3550亿，激活参数仅320亿（MoE稀疏激活），计算效率提升3倍
• 对比：参数量仅为DeepSeek-V3（6710亿）的一半，Kimi-K2（10430亿）的1/3
• GLM-4.5-Air轻量版：1060亿参数，性能仍超多数百亿级模型

2. 混合推理引擎

markdown

| 推理模式     | 适用场景                  | 技术特点               |
|--------------|---------------------------|------------------------|
| 思考模式     | 数学/科学/多步工具调用    | 长链式思维（CoT）      |
| 直答模式     | 聊天/翻译/简单问答        | 低延迟响应             |

模型可动态切换模式——复杂问题启动深度思考，简单任务秒级回应，兼顾效率与精度。

二、性能屠榜：ARC三项全能冠军

1. 智能体能力（Agentic）

• TAU-Bench（真实场景工具调用）：79.7% 准确率，超越Gemini 2.5 Pro
• BrowseComp（网页信息检索）：26.4%，碾压Claude Opus 4 (18.8%)
• 创新函数调用模板：用XML标签替代JSON，减少90%转义字符（见图4）

2. 推理能力（Reasoning）

• AIME 24（国际数学竞赛题）：91.0% 正确率，逼近人类奥赛选手水平
• HLE人类终极考试：14.4% 得分，全球仅4个模型超过10%
• 动态温度采样RL：防止强化学习后期陷入局部最优

3. 编程能力（Coding）

• SWE-bench Verified（真实GitHub issue修复）：64.2% 通过率
• Terminal-Bench（终端操作）：37.5%，超越Claude Sonnet 4
• CC-Bench实测：工具调用成功率90.6%，碾压Qwen3-Coder（77.1%）

🔥 综合ARC 12项基准：全球排名第3（开源第1），智能体单项排名第2！

三、训练黑科技：三阶段锻造ARC铁三角

1. 预训练数据革命

• 23T高质量Token，分层处理网页/代码/学术数据
• 创新过滤技术：
  • SemDedup：语义去重剔除模板网页
  • 质量分桶：高分数据重复3.2个epoch，强化核心知识

2. 中训练（Mid-Training）

• 128K上下文支持：从4K→128K分阶段扩展，RoPE频率调整至100万
• 跨文件代码训练：拼接同仓库代码文件，学习项目级依赖

3. 后训练专家蒸馏

python

# 专家迭代流程
1. 分领域训练专家模型：推理专家 + 智能体专家 + 通用聊天专家
2. 自我蒸馏融合：将专家能力注入统一模型
3. 混合强化学习：
   - 推理RL：难度分级课程（先易后难）
   - 智能体RL：轨迹自蒸馏迭代
   - 病理RL：根治语言混合/格式错误

四、真实场景碾压性体验

1. 逻辑推理

• 新构建高难度逻辑题库：62.0分，持平DeepSeek-R1（62.1）
• 动态规划/归纳推理错误率降低37%

2. 颠覆级翻译能力

• 理解网络梗+文化符号：如“yyds”→“永远的神”
• 上下文推理：输入：“三花公主驾到，速来围观”
  输出：“The Calico Princess has arrived! Come and see!”
  （准确识别“三花”指三花猫）
• 人类评分1.71，碾压专业翻译模型Qwen-MT（0.38）

3. 终端编程实测

• 在Docker隔离环境测试52个开发任务：
  • VS Claude Sonnet 4：40.4%胜率 + 50%平局
  • VS Kimi K2：53.9%胜率，工具调用效率高4.4%

五、开源意义：中国大模型的新里程碑

• 模型全开源：HuggingFace、BigModel.cn、GitHub同步发布
• 评测工具包：https://github.com/zai-org/glm-simple-evals
• 免费商用：支持128K上下文，可部署于消费级显卡集群

💡 开发者提示：轻量版GLM-4.5-Air在106B参数下实现接近GPT-4的性能，推理成本降低60%！

结语：ARC时代的新王者

GLM-4.5不仅证明了中国团队在MoE架构和强化学习领域的顶尖实力，更首次实现智能体-推理-编程三大能力的统一。其开源将加速AI智能体的实际落地——从自动代码修复到网页信息挖掘，一个真正“会思考、能执行”的AI时代正在到来。

项目地址：https://github.com/zai-org/GLM-4.5
在线体验：https://z.ai （支持128K上下文对话）

延伸阅读：报告中隐藏的4大技术彩蛋👇

1. 推理RL黑科技：Token加权损失函数，比序列级loss收敛快2倍
2. 长轨迹智能体训练：异步RL框架Slime，支持Docker环境高并发
3. 安全防护：SafetyBench综合得分89.9，伦理类问题94.3分
4. 中文场景优化：文本生成得分9.0，逻辑推理9.27（满分10）

本文数据均来自GLM-4.5技术报告，更多技术细节参见原始论文，附英中技术报告对照版，仅供学习参考：