当前位置：首页 > 文章列表 > 科技周边 > 人工智能 > GLM-4.5开源模型：推理与智能体新突破

GLM-4.5开源模型：推理与智能体新突破

2025-08-14 10:45:29 0浏览收藏

有志者，事竟成！如果你在学习科技周边，那么本文《GLM-4.5开源模型：推理代码与智能体新突破》，就很适合你！文章讲解的知识点主要包括，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

GLM-4.5是什么

GLM-4.5 是智谱推出的新一代旗舰模型，专为智能体应用打造，是首款原生融合推理、代码和智能体能力的开源 SOTA 模型。采用混合专家（MoE）架构，有两个版本：GLM-4.5（3550 亿参数，320 亿激活）和 GLM-4.5-Air（1060 亿参数，120 亿激活）。模型在多个评测基准中表现卓越，综合性能达到开源模型的顶尖水平，尤其在代码智能体场景中表现优异。支持混合推理模式，提供思考模式和非思考模式，兼顾复杂任务和即时响应需求。

参数效率翻倍，API价格仅为Claude的1/10，速度最快可达100tokens/秒。率先在一个模型中实现多能力原生融合并取得重要技术突破——单个模型同时具备强大的推理、代码、智能体等能力，已上线智谱清言和Z.ai开放免费体验。

GLM-4.5的主要特点

多能力融合：首次在单个模型中实现了推理、代码生成和智能体能力的原生融合，能满足复杂智能体应用的需求。
推理能力：在多个推理评测基准中表现优异，支持复杂推理任务，推理性能达到开源模型的顶尖水平。
代码生成：在代码生成和编程任务中表现出色，支持多种编程语言，能生成高质量的代码片段，胜任全栈开发任务。
智能体应用：支持工具调用、网页浏览等功能，能接入代码智能体框架，如 Claude Code 和 Roo Code，适用于智能体任务。
混合推理模式：提供“思考模式”用于复杂推理和工具使用，以及“非思考模式”用于即时响应，兼顾效率和性能。

GLM-4.5的技术亮点

混合专家（MoE）架构：GLM-4.5 采用了混合专家（Mixture of Experts, MoE）架构，是一种高效的模型扩展方法。MoE 架构通过将模型参数划分为多个专家模块（Experts），在每个前向传播过程中动态选择部分专家进行激活，实现参数的稀疏激活。在保持模型强大表达能力的同时，显著降低了计算成本和内存占用。
- GLM-4.5：总参数量为 3550 亿，激活参数为 320 亿。
- GLM-4.5-Air：总参数量为 1060 亿，激活参数为 120 亿。
多模态能力：GLM-4.5 支持多模态输入和输出，能处理文本、图像等多种数据类型。使模型能更好地理解和生成复杂的智能体应用内容，例如在智能体任务中处理网页浏览、工具调用等多模态交互场景。
混合推理模式：GLM-4.5 提供两种推理模式：
- 思考模式（Thinking Mode）：适用于复杂推理和工具使用场景，模型会进行更深入的思考和推理，以生成更准确的结果。
- 非思考模式（Non-Thinking Mode）：适用于即时响应场景，模型会快速生成结果，满足低延迟的需求。
高效的训练流程：GLM-4.5 的训练流程包括三个阶段：
- 通用数据预训练：在 15 万亿 token 的通用数据上进行预训练，以学习语言和知识的基础表示。
- 针对性训练：在代码、推理、智能体等领域的 8 万亿 token 数据上进行针对性训练，以增强模型在特定任务上的表现。
- 强化学习优化：通过强化学习进一步优化模型的推理、代码生成和智能体能力，以提升模型在实际应用中的表现。
参数效率优化：GLM-4.5 在参数效率上实现了显著提升。尽管参数量仅为 DeepSeek-R1 的 1/2 和 Kimi-K2 的 1/3，但在多项标准基准测试中表现更为出色。例如，在 100B 总参数 – 10B 激活参数规模的模型系列中，GLM-4.5 在 Artificial Analysis 基准测试中的推理性能媲美甚至超越了其他国际顶级模型。

GLM-4.5的项目地址

GitHub仓库：http://github.com/zai-org/GLM-4.5
HuggingFace仓库： http://huggingface.co/collections/zai-org/glm-45-687c621d34bda8c9e4bf503b
ModelScope仓库：http://modelscope.cn/collections/GLM-45-b8693e2a08984f
体验地址：
- HuggingFace： http://huggingface.co/spaces/zai-org/GLM-4.5-Space
- ModelScope：http://modelscope.cn/studios/ZhipuAI/GLM-4.5-Demo

GLM-4.5的技术指标

综合性能SOTA：最具有代表性的12个评测基准，包括 MMLU Pro、AIME 24、MATH 500、SciCode、GPQA 、HLE、LiveCodeBench、SWE-Bench Verified、Terminal-Bench、TAU-Bench、BFCL v3 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。

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-bench Verified 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 100 tokens/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。

如何使用GLM-4.5

体验平台
- 智谱清言 (chatglm.cn)：可以直接访问智谱清言平台，免费体验 GLM-4.5 的满血版功能。用户可以进行对话生成、代码生成、推理任务等多种操作，感受模型的强大能力。
- Z.ai：用户也可以通过 Z.ai 平台体验 GLM-4.5 的功能。
API 调用
- BigModel.cn：智谱 AI 提供了 API 接口，用户可以通过 BigModel平台进行 API 调用。API 接口支持多种功能，包括文本生成、代码生成、推理任务等。

GLM-4.5的模型定价

API 调用价格低至：输入 0.8 元/百万 tokens、输出 2 元/百万 tokens，生成速度最高可达 100 tokens/秒，支持低延迟和高并发部署。

GLM-4.5的应用场景

全栈开发任务：GLM-4.5 能胜任复杂的全栈开发任务，支持编写较为复杂的应用、游戏、交互网页等。
代码生成：GLM-4.5 在代码生成方面表现出色，能生成高质量的代码片段，支持多种编程语言。可以帮助开发者快速生成代码框架、修复代码错误、优化代码结构等。
编程辅助：模型可以作为编程辅助工具，提供代码补全、代码生成建议、代码注释等功能，提高开发效率。
内容生成：模型可以生成各种类型的内容，如文章、新闻报道、创意文案等，适用于内容创作、文案撰写等场景。
学术研究：GLM-4.5 可以用于学术研究，帮助研究人员探索自然语言处理、人工智能等领域的前沿问题。

今天带大家了解了的相关知识，希望对你有所帮助；关于科技周边的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~