z.ai 发布 GLM-5：参数扩至 744B，从 Vibe Coding 转向智能体工程

首次发布 2026年2月9日传播指数 48

z.ai 推出新一代旗舰模型 GLM-5，总参数达 744B（激活 40B），训练数据增至 28.5T token。模型引入 DeepSeek 稀疏注意力和新型异步强化学习架构 slime，主打复杂系统工程与长程任务，推动 AI 编程从浅层交互迈向高阶智能体协作。

拿 AI 写几行 demo 叫「氛围写代码」（Vibe Coding），但要让它在几十万行代码的仓库里自己搭架构、跑测试、找 bug，才算真正的「代理工程」（Agentic Engineering）。

Z.ai 正式推出了 GLM-5，开源技术报告和代码仓库随之公开。从初代 GLM-5、GLM-5.2 到最新的 GLM-5.3 和 GLM-5.3-Flash，这支国内团队把重点全部押在了「长时间、复杂系统的工程代理能力」上。

底座没换，光靠后训练就把写代码能力拉高 50%

GLM-5 相比之前的 GLM-4.5，总参数量从 355B 扩展到了 744B，激活参数从 32B 微调至 40B。预训练数据量也从 23T 提升到了 28.5T token，并引入了 DeepSeek Sparse Attention（DSA）来降低长上下文的推理成本。

为了解决大模型强化学习训练效率低的问题，团队自研了一套名为 slime 的异步强化学习基础设施，大幅提升了训练吞吐量。

这套基础设施在最新发布的 GLM-5.3 上见到了真章：它用的完全是上一代 GLM-5.2 的底座模型，所有的能力提升完全来自后训练。

结果就是，GLM-5.3 在官方自测的 Z.ai Code Bench 上，代码能力直接比 GLM-5.2 暴涨了 50%。在公开榜单 Terminal Bench 3.0 和 Agents' Last Exam 上，它也拿下了开源模型的第一名。

有意思的是，团队在报告里提到，随着后训练规模扩大，模型的「网络安全攻防能力」出现了超预期的涌现。在漏洞挖掘测试 CyberGym 上，GLM-5.3 达到业界顶尖水平；而在更深度的漏洞利用测试中，其表现更是比 GLM-5.2 翻了一倍还多。

很多用过 AI 编程的人都有体会：模型一开始会试几种常见招数，如果没跑通就彻底卡壳，给它再多时间也是原地打转。

GLM-5 系列要解决的就是这个短板。从 GLM-5.1 开始，模型被训练去拆解复杂问题、跑实验、读报错并迭代策略，支持数百轮对话和数千次工具调用。

到了 GLM-5.2，团队给出了扎实的 1M（100 万 token）上下文支持，并允许用户调整思考深度来平衡速度和质量。

为了解决超长文本带来的算力黑洞，GLM-5.2 提出了 IndexShare 架构，每四层稀疏注意力层复用同一个索引器，把 1M 长度下的单 token 计算量降到了原本的 2.9 分之一。

在 Terminal-Bench 2.1 真实终端测试上，GLM-5.2 拿下 81.0 分，领先 Gemini 3.1 Pro，距离 Claude Opus 4.8（85.0 分）也只差几分。

同步推出的轻量版 GLM-5.3-Flash 则是全新训的底座，首次融合了稀疏与线性注意力，搭配 30T 预训练语料，专门针对长上下文部署性价比做了极致压缩。

对于工程师和独立开发者来说，GLM-5.3 最大的意义在于它开始胜任端到端的工作。以前让 AI 修代码，通常需要人盯着它的每次输出；现在面对几千次工具调用的长线任务，GLM-5.3 表现出的耐力和容错率，已经非常接近商业闭源顶流的水准。

我们认为，Z.ai 这次展现的最关键信号，是「基座未动、后训练狂飙 50%」。这说明大模型竞争已经越过了单纯堆预训练算力的初级阶段，谁能在强化学习流水线（如自研的 slime 架构）上榨出更多有效信号，谁就能以更低成本换来质变。

但隐患同样明显。团队在报告中直言，后训练不仅放大了编程能力，更让渗透与漏洞利用能力出现了翻倍式的自主涌现。当这样的模型以开源权重形式流向社区，如何平衡工程师手里的开发利器与潜在的网络攻击风险，将是行业无法回避的难题。