今天，我們帶來新一代旗艦?zāi)Ｐ?strong>GLM-4.5，專為智能體應(yīng)用打造的基礎(chǔ)模型。Hugging Face 與 ModelScope 平臺(tái)同步開源，模型權(quán)重遵循MIT License。

要點(diǎn)如下：

GLM-4.5 在包含推理、代碼、智能體的綜合能力達(dá)到開源 SOTA，在真實(shí)代碼智能體的人工對(duì)比評(píng)測中，實(shí)測國內(nèi)最佳采用混合專家（MoE）架構(gòu)，包括 GLM-4.5：總參數(shù)量 3550 億，激活參數(shù) 320 億；GLM-4.5-Air：總參數(shù) 1060 億，激活參數(shù) 120 億；兩種模式：用于復(fù)雜推理和工具使用的思考模式，及用于即時(shí)響應(yīng)的非思考模式；

高速、低成本：API 調(diào)用價(jià)格低至輸入 0.8 元/百萬tokens、輸出 2 元/百萬tokens； 高速版 最高可達(dá) 100 tokens/秒 。

API 已上線開放平臺(tái)BigModel.cn，可以一鍵兼容Claude Code框架。同時(shí)，大家也可以上智譜清言(chatglm.cn) 和z.ai免費(fèi)體驗(yàn)滿血版。歡迎開發(fā)者、企業(yè)、用戶廣泛測試與集成，探索 AGI 的奧秘。

綜合性能SOTA

衡量 AGI 的第一性原理，是在不損失原有能力的前提下融合更多通用智能能力，GLM-4.5 是我們對(duì)此理念的首次完整呈現(xiàn)，并有幸取得技術(shù)突破。GLM-4.5 首次在單個(gè)模型中實(shí)現(xiàn)將推理、編碼和智能體能力原生融合，以滿足智能體應(yīng)用的復(fù)雜需求。

為綜合衡量模型的通用能力，我們選擇了最具有代表性的 12 個(gè)評(píng)測基準(zhǔn)，包括 MMLU Pro、AIME 24、MATH 500、SciCode、GPQA 、HLE、LiveCodeBench、SWE-Bench Verified、Terminal-Bench、TAU-Bench、BFCL v3 和 BrowseComp。綜合平均分，GLM-4.5 取得了全球模型第三、國產(chǎn)模型第一，開源模型第一。

GLM-4.5 和 GLM-4.5-Air 使用了相似的訓(xùn)練流程：首先在 15 萬億 token 的通用數(shù)據(jù)上進(jìn)行了預(yù)訓(xùn)練，此后在代碼、推理、智能體等領(lǐng)域的 8 萬億 token 數(shù)據(jù)上進(jìn)行針對(duì)性訓(xùn)練，最后通過強(qiáng)化學(xué)習(xí)進(jìn)一步增強(qiáng)模型推理、代碼與智能體能力。更多技術(shù)細(xì)節(jié)可參考我們的技術(shù)博客（https://z.ai/blog/glm-4.5），后續(xù)也會(huì)發(fā)布更加詳細(xì)的技術(shù)報(bào)告。

更高參數(shù)效率

GLM-4.5 參數(shù)量為 DeepSeek-R1 的 1/2、Kimi-K2 的 1/3，但在多項(xiàng)標(biāo)準(zhǔn)基準(zhǔn)測試中表現(xiàn)得更為出色，這得益于 GLM 模型的更高參數(shù)效率。在衡量模型代碼能力的SWE-bench Verified榜單上，GLM-4.5 系列位于性能/參數(shù)比帕累托前沿，表明在相同規(guī)模下 GLM-4.5 系列實(shí)現(xiàn)了最佳性能。

低成本、高速度

在性能優(yōu)化之外，GLM-4.5 系列也在成本和效率上實(shí)現(xiàn)突破，由此帶來遠(yuǎn)低于主流模型定價(jià)：API 調(diào)用價(jià)格低至輸入 0.8 元/百萬 tokens，輸出 2 元/百萬 tokens。

同時(shí)，高速版本實(shí)測生成速度最高可至 100 tokens/秒，支持低延遲、高并發(fā)的實(shí)際部署需求，兼顧成本效益與交互體驗(yàn)。

真實(shí)體驗(yàn)

真實(shí)場景表現(xiàn)比榜單更重要。為評(píng)測 GLM-4.5 在真實(shí)場景 Agent Coding 中的效果，我們接入 Claude Code 與 Claude-4-Sonnet、Kimi-K2、Qwen3-Coder 進(jìn)行對(duì)比測試。測試采用 52 個(gè)編程開發(fā)任務(wù)，涵蓋六大開發(fā)領(lǐng)域，在獨(dú)立容器環(huán)境中進(jìn)行多輪交互測試。實(shí)測結(jié)果顯示（如下圖），GLM-4.5 相對(duì)其他開源模型展現(xiàn)出競爭優(yōu)勢(shì)，特別在工具調(diào)用可靠性和任務(wù)完成度方面表現(xiàn)突出。盡管 GLM-4.5 相比 Claude-4-Sonnet 仍有提升空間，在大部分場景中可以實(shí)現(xiàn)平替的效果。

為確保評(píng)測透明度，我們公布了 52 道題目及 Agent 軌跡，供業(yè)界驗(yàn)證復(fù)現(xiàn)。

Agent 軌跡： https://huggingface.co/datasets/zai-org/CC-Bench-trajectories

模型原生 Agent 場景

GLM-4.5 系列能勝任全棧開發(fā)任務(wù)，編寫復(fù)雜應(yīng)用、游戲、交互網(wǎng)頁。這得益于模型原生具備的在前端編寫網(wǎng)站、在后端進(jìn)行數(shù)據(jù)庫管理，以及通過工具調(diào)用接口支持任意的智能體應(yīng)用等能力。

全棧開發(fā)實(shí)際效果 一個(gè)真的能搜索的搜索引擎

Z.ai版本“谷歌搜索”體驗(yàn)地址：

https://n0x9f6733jm1-deploy.space.z.ai

提示詞詳見軌跡地址：

https://chat.z.ai/s/2bd291ba-fe6a-4026-a8f4-1efa498267b2

一個(gè)真的能發(fā)彈幕的B站

Z.ai版本“B站”體驗(yàn)地址：

https://n0dba6ce0e60-deploy.space.z.ai

提示詞詳見軌跡地址：

https://chat.z.ai/s/29968fdc-53f2-4605-ae71-4ae32e920ca4

一個(gè)真的能發(fā)博的微博

Z.ai版本“微博”體驗(yàn)地址：

https://v0rb06rruyf0-deploy.space.z.ai/

提示詞詳見軌跡地址：

https://chat.z.ai/s/f78ae64c-06b7-4eee-b657-878da94fa2c7

Artifacts 實(shí)際效果

GLM-4.5 不僅擅長處理復(fù)雜代碼，同時(shí)也具有優(yōu)秀的數(shù)據(jù)精準(zhǔn)處理、交互動(dòng)畫設(shè)計(jì)能力。以下是 GLM-4.5 制作的一個(gè) Flappy Bird 小游戲，歡迎大家前來挑戰(zhàn)。

Flappy Bird體驗(yàn)地址：
https://chat.z.ai/space/b0yb2613ybp0-art

提示詞詳見軌跡地址：
https://chat.z.ai/s/2a9a1a90-545b-4f29-b6ac-854539dcc323

PPT 實(shí)際效果

GLM-4.5 在制作 PPT 過程中會(huì)自主搜索資料、尋找配圖，根據(jù)材料以 HTML 形式編寫圖文，使信息更準(zhǔn)確、排版更靈活。除了16:9的PPT，也可以制作長圖、小紅書、社交媒體封面或簡歷等多比例圖片。

向下滑動(dòng)查看

如何體驗(yàn)

GLM-4.5 深度優(yōu)化全棧編程與工具調(diào)用，兼容Claude Code、Cline、Roo Code等主流代碼智能體，到智譜開放平臺(tái)即可體驗(yàn)。

國內(nèi)用戶：

https://docs.bigmodel.cn/cn/guide/develop/claude

海外用戶：

https://docs.z.ai/scenario-example/develop-tools/claude

體驗(yàn)地址：

https://chat.z.ai/

https://chatglm.cn

Github 倉庫：

https://github.com/zai-org/GLM-4.5

模型倉庫：

HuggingFace：

https://huggingface.co/collections/zai-org/glm-45-687c621d34bda8c9e4bf503b

ModelScope：

https://modelscope.cn/collections/GLM-45-b8693e2a08984f