“北京造”大模型GLM-4.5开源 综合性能世界领先

7月28日晚，北京智谱华章科技股份有限公司（以下简称"智谱AI"）发布其新一代旗舰大模型GLM-4.5，这是一款专为智能体应用打造的基础模型，在复杂推理、代码生成及智能体交互等通用能力上实现能力融合与技术突破，综合测试性能已跻身全球领先行列。

这款新模型的发布，代表了AI迈向通用人工智能的一次重要转变。它不再满足于扮演一个被动回答问题的“聊天机器人”，而是要成为能够理解复杂目标、自主规划并执行多步骤任务的“全优生”。例如，模型能够胜任全栈开发任务，一键生成较为复杂的应用、游戏、交互网页。在实际例子中，用户通过z.ai使用该模型时，仅用一句简单的指令，就可让GLM-4.5独立开发出具备搜索功能的“谷歌”网站、可以发弹幕的“B站”，甚至直接上线一个完整的“FlappyBird”小游戏。

在性能评估中，GLM-4.5的表现展示了其架构优势。在涵盖研究生水平推理和复杂软件工程解题等12项全球公认的硬核测试中，其综合得分位列全球第三，在所有国产模型和开源模型中均排名第一。

该款旗舰大模型发布仅十小时，便引发全球外媒关注。价格因素同样是关注焦点，报道普遍聚焦该模型“成本更低、性能更优”的特性，部分媒体还对其参数进行了详细解析与同类对比。目前该系列模型API调用价格低至输入0.8元/百万tokens、输出2元/百万tokens，远低于市场主流价格。

28日模型发布后不到两个小时，X平台就在首页推荐了这款中国大模型。CNBC在28日报道称：“中国企业正在研发的人工智能模型不仅智能化水平提升，使用成本也持续降低，这与深度求索（DeepSeek）当年震动市场的突破核心优势相呼应。”路透社28日在报道中提到，作为中国“AI六小虎”之一的智谱，自今年6月被OpenAI“点名”后便备受关注。彭博社表示，OpenAI的挑战者智谱AI发布开源模型，试图在这个蓬勃发展的行业中抢占制高点。另一家美国知名科技媒体VentureBeat则在文章中指出：“GLM-4.5的发布为企业团队提供了一个可行的、高性能的基础模型。对于平衡创新和运营限制的团队来说，这是一个令人信服的选择。”发布后不到12小时，GLM-4.5模型已经位列国际开源社区Hugging-Face榜单全球第二。《环球时报》针对于该款模型进行整版报道，受到国内外业界高度关注。

美国科技网站Techi认为，中国AI发展正清晰呈现“易获取”的趋势：“智谱努力与深度求索、OpenAI等行业巨头同台竞技。随着更多企业推出开源模型并压低价格，中国正逐步成为全球AI竞争的核心参与者，力争占据领先地位。未来几个月，这些快速变化将带来何种影响——是催生新的监管政策，还是推动新的技术创新，仍有待观察。”

受到大模型关注的除了这款大模型的性能，还有一个最大亮点是这是首款原生融合模型，首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求。

大语言模型的目标是在广泛领域达到人类认知水平。然而，现有模型仍然算不上真正的通用模型：有些擅长编程，有些精于数学，有些在推理方面表现出色，但没有一个能在所有任务上都达到最佳表现。GLM-4.5正是朝着统一各种能力这一目标努力，力求在一个模型中集成所有这些不同的能力。大模型的下一个范式，一定是把各种能力整合到一起，成为一个“全优生”。

其次这款模型拥有更高的参数效率。GLM-4.5的参数量仅为一些主流模型的一半甚至三分之一，但在多项标准基准测试中表现得更为出色。在衡量模型代码能力的SWE-benchVerified榜单上，GLM-4.5系列位于性能/参数比帕累托前沿，这表明在相同规模下，GLM-4.5系列实现了最佳性能。

目前，这款集高性能、低成本和开源特性于一体的模型已在智谱开放平台上线。用户可通过智谱大模型开放平台使用该模型，其开源版本也将同步登陆HuggingFace与ModelScope平台。

GLM-4.5发布：面向推理、代码与智能体的开源SOTA模型

正文：

今天，我们带来新一代旗舰模型GLM-4.5，专为智能体应用打造的基础模型。HuggingFace与ModelScope平台同步开源，模型权重遵循MITLicense。

要点如下：

•GLM-4.5在包含推理、代码、智能体的综合能力达到开源SOTA，在真实代码智能体的人工对比评测中，实测国内最佳；

•采用混合专家（MoE）架构，包括GLM-4.5：总参数量3550亿，激活参数320亿；GLM-4.5-Air：总参数1060亿，激活参数120亿；

•两种模式：用于复杂推理和工具使用的思考模式，及用于即时响应的非思考模式；

高速、低成本：API调用价格低至输入0.8元/百万tokens、输出2元/百万tokens；高速版最高可达100tokens/秒。

API已上线开放平台BigModel.cn，可以一键兼容ClaudeCode框架。同时，大家也可以上智谱清言(chatglm.cn)和Z.ai免费体验满血版。欢迎开发者、企业、用户广泛测试与集成，一起探索AGI的奥秘。

综合性能SOTA

衡量AGI的第一性原理，是在不损失原有能力的前提下融合更多通用智能能力，GLM-4.5是我们对此理念的首次完整呈现，并有幸取得技术突破。GLM-4.5首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求。

为综合衡量模型的通用能力，我们选择了最具有代表性的12个评测基准，包括MMLUPro、AIME24、MATH500、SciCode、GPQA、HLE、LiveCodeBench、SWE-BenchVerified、Terminal-Bench、TAU-Bench、BFCLv3和BrowseComp。综合平均分，GLM-4.5取得了全球模型第三、国产模型第一，开源模型第一。

GLM-4.5和GLM-4.5-Air使用了相似的训练流程：首先在15万亿token的通用数据上进行了预训练。然后在代码、推理、智能体等领域的8万亿token数据上进行了针对性训练，最后通过强化学习进一步增强了模型的推理、代码与智能体能力。更多技术细节可参考我们的技术博客（https://z.ai/blog/glm-4.5），后续也会发布更加详细的技术报告。

更高的参数效率

GLM-4.5参数量为DeepSeek-R1的1/2、Kimi-K2的1/3，但在多项标准基准测试中表现得更为出色，这得益于GLM模型的更高参数效率。在衡量模型代码能力的SWE-benchVerified榜单上，GLM-4.5系列位于性能/参数比帕累托前沿，这表明在相同规模下，GLM-4.5系列实现了最佳性能。

低成本、高速度

在性能优化之外，GLM-4.5系列也在成本和效率上实现突破，由此带来远低于主流模型定价：API调用价格低至输入0.8元/百万tokens，输出2元/百万tokens。

同时，高速版本实测生成速度最高可至100tokens/秒，支持低延迟、高并发的实际部署需求，兼顾成本效益与交互体验。

真实体验

真实场景表现比榜单更重要。为了评测GLM-4.5在真实场景AgenticCoding中的效果，我们接入ClaudeCode与Claude-4-Sonnet、Kimi-K2、Qwen3-Coder进行对比测试。测试采用52个编程开发任务，涵盖六大开发领域，在独立容器环境中进行多轮交互测试。实测结果显示（如上图），GLM-4.5相对其他开源模型展现出竞争优势，特别在工具调用可靠性和任务完成度方面表现突出。尽管GLM-4.5相比Claude-4-Sonnet仍有提升空间，在大部分场景中可以实现平替的效果。