Z.ai 推出 GLM-4.5：主打深度推理与智能体，355B 仅激活 32B 参数

开源大模型现在卷架构，几乎全在跟风做宽、堆专家数量。智谱旗下的 Z.ai 这次拿出的新旗舰，却偏偏反着来。

Z.ai 正式推出了新一代旗舰模型 GLM-4.5 与轻量版 GLM-4.5-Air，连同 FP8 量化版本一并上线。两款模型第一天就直接接入了推理框架 SGLang，开发者拉下镜像就能跑。

这次最核心的改变在参数和架构设计上。GLM-4.5 总参数量 355B，但每次只激活 32B；轻量版的 GLM-4.5-Air 总参数 106B，激活仅 12B。在大家都在狂堆并行的当下，它明确选择了一条少有人走的路。

宁要层数，不要虚胖

对比 DeepSeek-V3 或者 Kimi K2 这类同行动作，GLM-4.5 的设计思路可以总结为重深度、轻宽度。

它没有一味去堆更多的专家数量或拉大隐藏层维度，而是把模型层数做深，配合无损均衡路由和 Sigmoid 门控。在 5120 的隐藏维度下塞进了 96 个注意力头，数量是常见设计的 2.5 倍，专门用来啃下硬核的逻辑推理。

训练和推理细节上也堆满了工程技巧：训练端用上了 Muon 优化器和开源的 slime 强化学习框架，推理端则靠 MTP 多 token 预测头配合 EAGLE 算法做投机解码，把吞吐拉满。

从官方给出的 12 项基准综合成绩来看，GLM-4.5 在 OpenAI、Anthropic、Google 等一众大厂旗舰中排到了第三，Air 版排在第六。

在具体的任务上，它的长项非常偏向工程实操。SWE-bench Verified 达到 64.2，工具调用成功率做到 90.6%；在 BrowseComp 网页浏览测试里拿到 26.4%，越过了 Claude 4 Opus。面对同行同类模型，它在对战评测中对 Kimi K2 的胜率是 53.9%，对 Qwen3-Coder 的胜率则达到了 80.8%。

为什么重要

对于需要自建 Coding Agent 或企业级复杂工作流的团队来说，GLM-4.5 提供了一个极其现实的选择。

过去用开源模型做智能体，最头疼的就是多轮工具调用时常断片、代码修补跑不通终端。GLM-4.5 拿出 90.6% 的工具调用成功率和 128k 上下文，加上与 SGLang 的原生整合，意味着中小团队不用再花几个月去自己调优推理栈，拿来就能搭起一套高吞吐的代码助手或自主 Agent。

在行业层面，我们认为 GLM-4.5 这一步走得很务实。在算力受限的大环境下，盲目跟风超大 MoE 的总参数量只会让部署成本居高不下；而通过把模型做深、精简激活参数（大版激活 32B、Air 版仅激活 12B），它把前沿推理能力下放到了单机多卡更易消化的区间。

不过隐患也同样存在。偏向深层结构的模型，在硬件通信延迟和推理串行延迟上天生更敏感，这就高度依赖 SGLang 这类推理栈的底层优化水平。它在基准测试上的亮眼胜率，究竟能不能在错综复杂的真实生产环境里经受住考验，接下来就看社区和开发者的实际反馈了。