凌晨GLM-5炸场！世界开源模型第一名！模型训练大幅创新！实测：Agentic能力、前端细节逼近专业人士，可模拟手机OS，游戏秒运行！代际变化大模型叙事逻辑已经出现了极为明显的变化。过去三年，大家更会关注：谁更会回答问题，谁回答得更聪明、准确、快速？但随着一系列Agent产品的涌现，大模型也开始向真实世界的复杂任务发起冲锋。现在的问题变成：谁能真正承担任务？
GLM-5 终于来了！
2月12日凌晨，智谱正式发布了GLM-5。
早上，小编就围绕它展开了测评。先说一句话感受，可以说非常跟上一代GLM-4.7，比起来，代际变化非常大。
一句话感受，是一场非常激进的扩张。
模型训练大幅创新
先来看模型和参数，参数规模从 355B（32B 激活）跃升到 744B（40B 激活），预训练数据从 23T tokens 增加到 28.5T tokens，同时引入 DeepSeek Sparse Attention，在维持长上下文能力的同时压缩部署成本。
这样，虽然整体模型大了一倍、但部署成本没有增加多少，同时，模型表现更加稳定了。
真正的变化发生在训练范式上。
强化学习一直是大模型从“能用”走向“好用”的关键，但问题是效率极低，尤其在超大模型上几乎难以规模化。GLM-5 团队为此构建了一套名为“ slime”的异步强化学习基础设施，大幅提升训练吞吐量，让后训练不再是粗颗粒度修补，而是高频、细粒度迭代。这意味着模型不仅在能力上变强，在优化路径上也更系统。
全球开源模型综合排名第一
效果如何？
在推理、代码与智能体任务上，GLM-5 已经成为全球开源模型中的最佳表现者，并开始逼近一线闭源模型。
有一个例子值得注意。
在衡量长期规划能力的 Vending Bench 2 上——一个要求模型经营一年“自动售货机业务”的基准测试——GLM-5 最终账户余额达到 4,432 美元，在开源模型中排名第一，接近 Claude Opus 4.5。这里考验的不是答题，而是资源调度、长期决策与策略稳定性。
从对话转向工作，大模型转向Agentic时代
更值得注意的是定位变化。
GLM-5 不再强调“聊天能力”，而是明确面向复杂系统工程与长周期 Agent 任务。在内部 CC-Bench-V2 评测中，其在前端、后端与长任务执行上显著超越 GLM-4.7，缩小与顶级模型的差距。
这其实透露出一个更重要的趋势变化：基础模型正在从“对话产品”转向“工作基础设施”。（从 Claude Opus4.6 也能看出来这个趋势越来越明显。）
就像 Office 之于知识工作者，IDE 之于工程师，大模型正在成为一套“生产力系统”。
GLM-5 已经支持将文本或原始材料直接转化为 .docx、.pdf、.xlsx 等文件——PRD、财务报表、课程讲义、试卷、执行手册、菜单——从输入到交付，一步完成。
这也说明，生成内容这种能力已经被各大模型厂商卷到足够Cover了，今年以后的大模型的突破重点，将长期聚焦在“完成工作闭环”方面。
