7月28日晚，智譜悄無聲息的開源了新一代旗艦模型 GLM-4.5，發(fā)布僅10小時，便引發(fā)全球媒體高度聚焦。

CNBC、路透社、Bloomberg等海外重量級媒體第一時間跟進報道。CNBC在報道中指出：“中國企業(yè)正在研發(fā)的人工智能模型不僅智能化水平提升，使用成本也持續(xù)降低，這與深度求索（DeepSeek）當年震動市場的突破核心優(yōu)勢相呼應。”

目前，GLM-4.5模型已經(jīng)登頂國際開源社區(qū)Hugging-Face榜單全球第一。

智譜此次發(fā)布GLM-4.5 系列（355B 以及 106B） 兩個參數(shù)版本，源碼和權(quán)重全部開源，采用極為寬松的MIT License協(xié)議。

GLM家族并非首次引發(fā)關(guān)注，之前的GLM-130B、ChatGLM3系列都因為是首個突破和首個開源，曾在開源圈掀起過波瀾。這次模型亮點在于：

• 首款原生融合模型：這是其最大亮點之一。GLM-4.5首次在單個模型中實現(xiàn)了將推理、編碼和智能體能力原生融合。正如技術(shù)博客所闡釋，大語言模型的終極目標是在廣泛領(lǐng)域達到人類認知水平，但現(xiàn)有模型往往各有所長（編程、數(shù)學、推理），卻難以成為真正的“全優(yōu)生”。GLM-4.5 正是朝著統(tǒng)一各種能力這一目標邁進，力證大模型的下一個范式，必然是深度整合多維度能力于一體。
• 更高的參數(shù)效率：GLM-4.5的參數(shù)量僅為一些主流模型的一半甚至三分之一，但在多項標準基準測試中表現(xiàn)更為出色。特別是在衡量模型代碼能力的權(quán)威榜單 SWE-bench Verified 上，GLM-4.5 系列位于性能/參數(shù)比的帕累托前沿——這意味著在同等參數(shù)規(guī)模下，它實現(xiàn)了當前已知的最佳性能。

下面咱們就詳細看下GLM-4.5模型在性能、代碼能力、推理表現(xiàn)這些硬實力上的實測表現(xiàn)~

這次發(fā)布的兩個版本的GLM-4.5模型：

• GLM-4.5：總參數(shù)355B，激活參數(shù)32B
• GLM-4.5-Air：總參數(shù)106B，激活參數(shù)12B

它們都采用了混合專家結(jié)構(gòu)（MoE），這個架構(gòu)說白了就是“每次推理只激活部分參數(shù)”，在保證多樣能力的同時大大降低了計算消耗。

模型支持兩種核心模式切換：

• Non-thinking 模式：輕量任務用這個，效率高、響應快、節(jié)省開銷。
• Thinking 模式：推理、鏈式思考、代碼補全、Agent執(zhí)行鏈條，用這個火力全開。

52個Agent 軌跡：
https://huggingface.co/datasets/zai-org/CC-Bench-trajectories

實測體驗：模型原生融合ARC（Agentic/Reasoning/Coding）能力，分分鐘手搓Agent

說實話，小編原本對這個模型的預期，還停留在“跑跑測試題”這種層面。

但當我真正上手試了之后，我必須承認，它確實不止是“跑得好”。

GLM-4.5其原生架構(gòu)設計使其成為真正意義上的“Agent基座模型”：

• 推理能力（Reasoning）：覆蓋數(shù)學、符號邏輯、多輪對話邏輯鏈條等多個評測維度；
• 代碼能力（Coding）：廣泛適用于數(shù)據(jù)處理、日志分析、工具開發(fā)、前端交互、算法原型等復雜場景；
• Agentic能力：具備任務自主拆解 + 工具調(diào)用 + 多輪完成任務的原生能力，無需外掛流程控制器。

這意味著，GLM-4.5并非“能Agent”的模型，而是“為Agent而生”的模型。

這里官方也放出了一些關(guān)于Agentic任務的評測技術(shù)細節(jié)報告

GLM-4.5 是對 Agentic 任務專門優(yōu)化的基礎模型，支持 128k 的上下文長度和原生函數(shù)調(diào)用能力。在 -bench 和 BFCL-v3（伯克利函數(shù)調(diào)用排行榜 v3）上對兩款模型的 agentic 能力進行評估，GLM-4.5 的性能與 Claude-4-Sonnet 相當。

網(wǎng)頁瀏覽是一種需要復雜推理和多輪工具使用的流行 Agentic 應用。技術(shù)團隊在 BrowseComp 基準上評估了 GLM-4.5，在訪問網(wǎng)頁瀏覽工具的情況下，GLM-4.5 能夠正確回答 26.4% 的問題，優(yōu)于 Claude-4-Opus（18.8%），接近 o4-mini-high（28.0%）。

注：BrowseComp 是一個具有挑戰(zhàn)性的網(wǎng)頁瀏覽基準，包含需要簡短回答的復雜問題。

下圖顯示了 GLM-4.5 在 BrowseComp 上的測試時擴展精度。

模型原生 Agent 場景跑通，從生成文本到生成產(chǎn)品

小編嘗試了以下幾種使用方式實測了多個「模型原生可落地Agent場景」，覆蓋從文本工具、搜索型應用，到交互式網(wǎng)頁與多人游戲，驗證GLM-4.5的真實可部署性與連貫性，一口氣構(gòu)建了5個專業(yè)的應用，已經(jīng)沉寂多年的開發(fā)能力突然以另一種形式覺醒，我又覺得我行了！

基于three.js構(gòu)建的3D地球可視化模擬生成器

AI驅(qū)動的企業(yè)流程自動化工具（在線體驗：https://k0nag61vkf50-deploy.space.z.ai/）

多Agent協(xié)同的像素風格貪吃蛇游戲（在線體驗：https://r0qat65a8yz1-deploy.space.z.ai/）

幫我生成一個游戲應用貪吃蛇，風格是像素風格，玩家可以驅(qū)動游戲內(nèi)的小蛇，同時游戲內(nèi)可隨機出現(xiàn)不同其它的玩家，以及實物。并且右上角有當前對局的得分榜單。使用Agent幫我模擬其它的玩家。

GLM-4.5模型原生生成PPT

經(jīng)常做PPT的小伙伴可能知道，做一套好看實用的PPT有多么麻煩，搜索信息、貼內(nèi)容、正確配圖，確保信息準確、審美在線、字體配色，最終代碼生成PPT...

使用高大上的配色和奢侈品風格，生成一個關(guān)于愛馬仕品牌介紹的PPT

實測GLM-4.5生成PPT，總耗時4分26秒，嗯，很快，而且比我做的好看多了...

這些能力已不止于“文本生成”，而是完成了從自然語言 → 工具控制 → 應用部署的全流程閉環(huán)。突然想起昨天剛剛開源的Coze，此刻會不會也開始沉思，Agent工作流是否只是大模型過渡期的產(chǎn)物，可能盡頭依然ALL IN CHAT！！

下方是官方的一些demo參考，小伙伴可以直接打開體驗：

一個真的能搜的搜索引擎

提示詞：做一個Google搜索網(wǎng)站。

Z.ai版本“谷歌搜索”體驗地址：https://n0x9f6733jm1-deploy.space.z.ai

一個真的能點贊的文字版抖音

提示詞：做一個文字版抖音 ， 允許上下切換， 需要支持發(fā)帖、 點贊、 評論的功能。

Z.ai版本“文字抖音”體驗地址：https://t0mau6dg2nv0-deploy.space.z.ai

GLM-4.5不僅擅長處理復雜代碼，同時也具有優(yōu)秀的數(shù)據(jù)精準處理、交互動畫設計能力。以下是GLM-4.5制作的一個3D 交互式地球網(wǎng)頁，用戶可以點擊地點查看詳情，并伴有平滑的縮放動畫。

提示詞：Build a webpage using Three.js and JavaScript that creates a 3D world displaying places I've visited, based on an array. Clicking markers on the 3D globe will animate a zoom effect and open detailed trip information with photos.

推理之上，是智能體：GLM-4.5的Agent原生性值得重視

現(xiàn)在市面上的大部分LLM，其實還是以“增強問答系統(tǒng)”為核心思路，即便加了插件、記憶系統(tǒng)、函數(shù)調(diào)用，也還是“在模型外面堆功能”。

這包括但不限于：

• 模型對話中長期記憶、目標一致性保持
• 模型對于任務目標、動機、過程的自我規(guī)劃能力
• 模型原生支持多輪鏈式思考與動作執(zhí)行能力

但GLM-4.5開始做的，是在模型訓練過程中就讓模型具備智能體行為的能力。GLM-4.5 和 GLM-4.5-Air 使用了相似的訓練流程：首先在 15 萬億令牌的通用數(shù)據(jù)上進行了預訓練。然后在代碼、推理、智能體等領(lǐng)域的數(shù)據(jù)上進行了針對性訓練，最后通過強化學習進一步增強了模型的推理、代碼與智能體能力。

GLM-4.5可以理解是具備實戰(zhàn)能力的“多步任務執(zhí)行者”，在未來 AI 工作助手、多任務智能客服、財務分析等場景中具備天然優(yōu)勢。

這也是為什么它能在TAU-Bench、BrowseComp這種原本只適合專用Agent系統(tǒng)的任務中跑出好成績——它是“原生具備智能體能力”的。

原生Agent覺醒時刻，一鍵上線不用復雜工作流

當看到GLM-4.5自動拆解這個需求時，不需要Manus，不需要Flowith，更不需要搶各種邀請碼！小編知道智能體賽道要變天了：

為了測試模擬真實開發(fā)工作流，小編特意選了一個針對以往多Agent智能體協(xié)同開發(fā)才能實現(xiàn)的多任務的復雜開發(fā)需求，讓它開發(fā)一個自動分析上市公司財報并支持財報分析、下載報告、甚至增加用戶自然語言對話返回財報分析結(jié)果的復雜多功能的網(wǎng)站。

以下是一次完整的one-shot prompt：

• 幫我開發(fā)一個自動分析上市公司財報的網(wǎng)站，以下是具體的流程：1、用戶輸入一個上市公司名稱或者股票代碼（支持中國的A股或者美股公司），2、可以選擇什么時間段的財報，或者默認是最新的財報。3、根據(jù)用戶的輸入自動抓取這個公司的財報。4、調(diào)用大模型能力分析財報，5、生成財報分析報告，財務報告可在線瀏覽，也支持自動成圖文并茂的ppt報告，可供用戶下載。提供下載地址 6、用戶可進行對話，大模型根據(jù)用戶輸入自動尋找財報內(nèi)的內(nèi)容，并輸出對應的圖表。

然后GLM-4.5開始了它的思考和動作，創(chuàng)建了一個基本的Next.js項目結(jié)構(gòu)，并使用TodoWrite來規(guī)劃整個項目的開發(fā)步驟：

1. 創(chuàng)建項目基礎結(jié)構(gòu)和路由
2. 設計并實現(xiàn)主頁面UI（搜索框、時間選擇等）
3. 實現(xiàn)財報數(shù)據(jù)抓取API（支持A股和美股）
4. 實現(xiàn)財報分析API（調(diào)用大模型）
5. 創(chuàng)建財報分析報告展示頁面
6. 實現(xiàn)PPT報告生成功能
7. 實現(xiàn)對話功能和圖表生成
8. 優(yōu)化UI/UX和響應式設計

后續(xù)就是根據(jù)每一個細分的目標進行思考、拆分、執(zhí)行。如果后邊有對前邊共用的文件有修改，它會自動找到對應的代碼文件以及對應的位置更新。

最后完成整個代碼構(gòu)建后，它還會回顧并檢查整體的代碼質(zhì)量，檢查開發(fā)日志，并且做一些用戶體驗優(yōu)化，代碼開發(fā)這么細心負責，這讓人類開發(fā)者情何以堪...

一次運行成功！輸入阿里巴巴，直接把財報分析內(nèi)容展示了出來！

最終整個項目完成之后，GLM-4.5會在服務器端命令行啟動項目，整個窗口會分成左右兩大窗口，左側(cè)是與大模型交互以及動態(tài)輸出日志交互信息，右側(cè)就是實際運行起來的網(wǎng)站預覽。如果對生成的功能或者UI不滿意，或者運行過程有出現(xiàn)錯誤問題，可以隨時在左側(cè)交互框中告訴它，非常方便和易用！

它還會貼心的把整個項目的功能點、技術(shù)架構(gòu)、使用指南都整理成文字信息告訴你，后續(xù)小編又讓它增加了原始報告下載、投資建議功能，基本一次就可以完成功能更新。

以下是從輸入到完成整個項目構(gòu)建的視頻，全程自動化構(gòu)建，最終總耗時約5分17秒：

后邊在點擊深度分析中的下載報告按鈕會報錯，小編直接左側(cè)交互框告訴他錯誤信息：error proxying request: net/http: timeout awaiting response headers ，請修復。等待1分鐘左右，功能順利修復完成。

對于構(gòu)建完成的項目，GLM-4.5支持在線部署和下載源碼的功能。

現(xiàn)在，人人都可以是一個全棧開發(fā)者！就像左下角那個“全棧開發(fā)”按鈕在告訴你的事情：不用再管什么瀑布流開發(fā)，不用再有產(chǎn)品經(jīng)理、前端開發(fā)、后端開發(fā)、數(shù)據(jù)DBA...產(chǎn)品經(jīng)理與開發(fā)也不用再天天吵架了，你只需要關(guān)注需求本身，有什么想法直接告訴GLM-4.5，一鍵上線不用復雜工作流，你只需要喝著咖啡等待！

隨后，小編又順手做了一個AI營銷的網(wǎng)站，幾分鐘之后，我感覺明天可以匯報老板，公司可以再開設一條AI營銷的業(yè)務線了...升職加薪指日可待！！

你現(xiàn)在就可以去 Z.AI 做一個專屬的AI營銷網(wǎng)站：

• 幫我開發(fā)一個AI營銷的網(wǎng)站，以下是具體的流程和功能描述：1、文案寫作功能，根據(jù)指定的文案風格或者預制的一些文案風格進行生成文案。2、文案風格改寫功能，輸入給定的文案，選擇不同風格進行改寫。3、風格圖片生成：根據(jù)用戶輸入的自動生成不同風格的圖片。4、文案錯字和修改建議功能。5、根據(jù)給定的文案，自動生成視頻腳本

你可以理解為，它不是“加了Agent功能的大模型”，而是“為Agent而設計的大模型”。

模型免費，API超便宜，生成速度超級快

• API調(diào)用價格：
• 輸入：0.8 元 / 百萬Tokens
• 輸出：2 元 / 百萬Tokens
• 響應速度：
• 高速版本實測超過 100 Tokens / 秒，支持低延遲、高并發(fā)的實際部署需求，兼顧成本效益與交互體驗。
• Thinking 模式稍慢但更精準，適合高復雜任務

現(xiàn)在智譜僅需 50 元即可包月爽用 GLM-4.5，調(diào)用量上不封頂！這樣的價格，性價比直接拉滿！！小伙伴千萬別錯過這難得的薅羊毛機會~

從性能、參數(shù)、結(jié)構(gòu)、生態(tài)，到開源方式、使用門檻、場景適配，GLM-4.5幾乎把目前一個通用大模型應該具備的一切全拉滿了。

更難得的是，它不是閉門造車，而是明確要“向開發(fā)者開放、向產(chǎn)業(yè)落地”的。

它是在思考、推理、規(guī)劃、執(zhí)行能力上，開始向下一代 AI 操作系統(tǒng)靠攏。

國產(chǎn)大模型的路，不能只是對齊，更要超越。

GLM-4.5，給了我們一個全新的起點。

下一篇文章，我們來聊聊：這個模型背后到底是怎么訓練出來的？又或者——智譜到底在下哪盤大棋？

我們，下次見。

附錄：你現(xiàn)在就可以體驗 GLM-4.5

GitHub/Hugging Face/ ModelScope /API平臺全面同步

• Hugging Face（模型倉庫）：https://huggingface.co/collections/zai-org/glm-45-687c621d34bda8c9e4bf503b
• ModelScope（模型倉庫）：https://modelscope.cn/collections/GLM-45-b8693e2a08984f
• Github 倉庫：https://github.com/zai-org/GLM-4.5
• BigModel.cn （API接入，一鍵兼容Claude Code 框架）：https://docs.bigmodel.cn/cn/guide/develop/claude
• chatglm.cn （在線使用滿血版）：https://chatglm.cn
• Z.ai （在線使用滿血版）：https://chat.z.ai/
• Claude code集成：https://docs.z.ai/scenario-example/develop-tools/claude
• 支持 Claude Code、Roo Code 等代碼智能體中接入使用

注：MIT License開源協(xié)議

• 允許自由使用：任何人可將遵循 MIT 協(xié)議的軟件用于商業(yè)、非商業(yè)等任何場景，無需支付費用。
• 修改與分發(fā)自由：允許修改軟件源代碼，也可將修改后的版本以開源或閉源形式分發(fā)。
• 低約束：只需在軟件副本或相關(guān)文檔中保留原作者的版權(quán)聲明和許可聲明，無需公開修改后的源代碼。

繼續(xù)閱讀：

未經(jīng)允許不得轉(zhuǎn)載：RPA中國 | RPA全球生態(tài) | 數(shù)字化勞動力 | RPA新聞 | 推動中國RPA生態(tài)發(fā)展 | 流 > 海外炸場的開源狠角色，MoE + 原生智能體，國產(chǎn)最強實錘？