z.ai 釋出 GLM-5：引數擴至 744B，從 Vibe Coding 轉向智慧體工程

拿 AI 寫幾行 demo 叫「氛圍寫程式碼」（Vibe Coding），但要讓它在幾十萬行程式碼的倉庫裡自己搭架構、跑測試、找 bug，才算真正的「代理工程」（Agentic Engineering）。

Z.ai 正式推出了 GLM-5，開源技術報告和程式碼倉庫隨之公開。從初代 GLM-5、GLM-5.2 到最新的 GLM-5.3 和 GLM-5.3-Flash，這支國內團隊把重點全部押在了「長時間、複雜系統的工程代理能力」上。

底座沒換，光靠後訓練就把寫程式碼能力拉高 50%

GLM-5 相比之前的 GLM-4.5，總引數量從 355B 擴充套件到了 744B，啟用引數從 32B 微調至 40B。預訓練資料量也從 23T 提升到了 28.5T token，並引入了 DeepSeek Sparse Attention（DSA）來降低長上下文的推理成本。

為了解決大模型強化學習訓練效率低的問題，團隊自研了一套名為 slime 的非同步強化學習基礎設施，大幅提升了訓練吞吐量。

這套基礎設施在最新發布的 GLM-5.3 上見到了真章：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來自後訓練。

結果就是，GLM-5.3 在官方自測的 Z.ai Code Bench 上，程式碼能力直接比 GLM-5.2 暴漲了 50%。在公開榜單 Terminal Bench 3.0 和 Agents' Last Exam 上，它也拿下了開源模型的第一名。

有意思的是，團隊在報告裡提到，隨著後訓練規模擴大，模型的「網路安全攻防能力」出現了超預期的湧現。在漏洞挖掘測試 CyberGym 上，GLM-5.3 達到業界頂尖水平；而在更深度的漏洞利用測試中，其表現更是比 GLM-5.2 翻了一倍還多。

穩住 100 萬 token，專治「AI 試兩下就不行了」的毛病

很多用過 AI 程式設計的人都有體會：模型一開始會試幾種常見招數，如果沒跑通就徹底卡殼，給它再多時間也是原地打轉。

GLM-5 系列要解決的就是這個短板。從 GLM-5.1 開始，模型被訓練去拆解複雜問題、跑實驗、讀報錯並迭代策略，支援數百輪對話和數千次工具呼叫。

到了 GLM-5.2，團隊給出了紮實的 1M（100 萬 token）上下文支援，並允許使用者調整思考深度來平衡速度和質量。

為了解決超長文本帶來的算力黑洞，GLM-5.2 提出了 IndexShare 架構，每四層稀疏注意力層複用同一個索引器，把 1M 長度下的單 token 計算量降到了原本的 2.9 分之一。

在 Terminal-Bench 2.1 真實終端測試上，GLM-5.2 拿下 81.0 分，領先 Gemini 3.1 Pro，距離 Claude Opus 4.8（85.0 分）也只差幾分。

同步推出的輕量版 GLM-5.3-Flash 則是全新訓的底座，首次融合了稀疏與線性注意力，搭配 30T 預訓練語料，專門針對長上下文部署價效比做了極致壓縮。

為什麼重要

對於工程師和獨立開發者來說，GLM-5.3 最大的意義在於它開始勝任端到端的工作。以前讓 AI 修程式碼，通常需要人盯著它的每次輸出；現在面對幾千次工具呼叫的長線任務，GLM-5.3 表現出的耐力和容錯率，已經非常接近商業閉源頂流的水準。

我們認為，Z.ai 這次展現的最關鍵訊號，是「基座未動、後訓練狂飆 50%」。這說明大模型競爭已經越過了單純堆預訓練算力的初級階段，誰能在強化學習流水線（如自研的 slime 架構）上榨出更多有效訊號，誰就能以更低成本換來質變。

但隱患同樣明顯。團隊在報告中直言，後訓練不僅放大了程式設計能力，更讓滲透與漏洞利用能力出現了翻倍式的自主湧現。當這樣的模型以開源權重形式流向社群，如何平衡工程師手裡的開發利器與潛在的網路攻擊風險，將是行業無法迴避的難題。