xmlns="http://www.w3.org/2000/svg"
style="display:
none;">
GLM5.0发布，参数达7440亿，采用MoE架构提升推理效率；支持20万token长文本处理；首次用华为昇腾全量训练，实现国产算力里程碑；编程能力开源第一，SWE-bench得分达77.8%；AI从聊天工具进化为智能工作系统，代理工程时代来临。
/>
今天凌晨，GLM5.0发布了，这次比起之前的4.7版本参数翻了一倍，各项能力都有提升。
/>先给个省流版：
SWE-bench得分逼近Claude
测试成绩方面：SWE-bench
Verified
77.8%，开源第一，与Claude
Opus
4.5的80.9%仅差3个百分点。
值得关注的是，这是纯国产算力训练的模型——华为昇腾910，万卡集群，零美国半导体依赖。
这意味着什么？
过去，业界认为：“国产AI能运行，但性能有差距。
”
现在智谱证明：“我们能够进入第一梯队，而且使用的是自主芯片。
”
这是国产AI技术的重要突破。
/>
744B，参数对比GLM4.7翻倍
先搞清楚一件事：7440亿参数
7440亿参数同时工作。
GLM-5用的是MoE（Mixture
Experts）架构，数据如下：
- 总参数：7440亿
- 每次激活：400-440亿
- 稀疏度：约5.9%
这是什么原理？
MoE架构包含256个专家模块，每次推理只激活其中8个相关专家。
处理前端任务？激活前端相关专家。
处理算法任务？激活算法专家。
大总规模、小激活规模，既保证智能上限，又控制推理成本。
token，约20万个中文字符。
换算成实际场景：
- 完整阅读并分析多篇长篇技术文档
- 处理大型项目的完整代码库
- 分析长周期的对话历史
GLM-5能记住所有细节，并保持逻辑一致性。
这不是简单的"长文本"，而是长文本逻辑关联能力。
智谱还搞了个DSA（DeepSeek稀疏注意力机制）：
- 处理超长文本时，计算开销降低20%
- token利用效率提升20%
简单说：看更多的书，花更少的钱。
/>
它会"学习"，具备强化学习能力
这是GLM-5的核心技术突破。
传统大模型训练：基于预训练数据进行推理。
GLM-5的Slime框架：通过环境交互实现持续学习。
两种模式：
1.
同构同步模式→
训练和推理在同一工作节点上，GPU利用率最大化。
2.
异构异步模式→
代理任务
数据采样和参数更新解耦，模型能从复杂、高延迟的环境交互中持续学习。
这使得AI能够从环境交互中学习，而不仅限于静态文本知识。
例如Vending
Bench
2测试，模型需要模拟运营自动售货机一整年：
- 库存管理决策
- 动态定价策略
- 市场反应预测
GLM-5在该测试中位列开源第一，收益达$4,432。
这体现的是复杂场景下的决策能力，而非简单的问答响应。
/>
编程能力：开源第一
直接上数据：
| 基准测试 | GLM-5得分 | ClaudeOpus4.5 |
|---|---|---|
| SWE-bench Verified | 77.8% | 80.9% |
| SWE-bench Multilingual | 73.3% | 未公开 |
| CC-Bench-V2 (前端) | 98.0% | 93.0% |
| Terminal-Bench 2.0 | 56.2% | - |
98.0%前端成功率，领先Claude约5个百分点。
这是基于真实测试数据的表现。
此外，GLM-5配套了Z
Code编辑器：
用户只需用自然语言描述需求，系统自动执行：
- 任务拆解
- 代码编写
- 命令运行
- Bug调试
- Git提交
支持跨设备远程协作，以及多专家并行处理（如前端专家和数据库专家同时工作）。
这体现了完整的自主编程工作流能力。
/>
纯国产算力训练
GLM-5是首个在华为昇腾910上完成全量训练的700B级模型。
万卡集群部署，MindSpore框架支持，实现了零依赖美国半导体硬件。
这一突破确保了供应链安全和技术自主可控。
过去：高端芯片进口受限，国产AI发展面临供应链风险。
现在：智谱证明，国产算力平台能够训练世界一流模型。
发布当天（Day-0），GLM-5即完成了与国内主流芯片平台的深度适配：
- 摩尔线程
推理集群原生支持
- 昆仑芯
线上推理集群适配
这种广泛的硬件兼容性，使GLM-5能够迅速部署在不同规模的企业私有云和政府政务云上。
/>
代理工程：AI的下一站
智谱CEO张鹏说了一句话我记住了：
“大模型正在从’聊天工具’转变为’工作系统’。
”
GLM-5的设计目标是解决复杂的系统工程问题。
其核心功能围绕"代理化"展开，主要能力包括：
- 代码开发：全流程自动化，从需求分析到代码提交
- 文档生成：生成原生.docx/.pdf/.xlsx格式，支持复杂模板
- 办公自动化：接入飞书等平台，7x24小时处理邮件和任务
这些能力已经实现并投入应用。
而且定价策略也变了：
- API价格上调67%-100%
- Coding
Plan套餐涨价30%起步
智谱的策略转变表明：从"低价获客"转向"价值定价"。
/>
总结
GLM-5并非GLM-4系列的延伸，而是在参数规模、训练数据、架构设计以及底层硬件上全面重构的新一代系统。
核心技术亮点：
- 参数规模翻倍，但推理效率提升（MoE架构）
- 202,752词上下文窗口，保持逻辑一致性（DSA机制）
- 异步代理强化学习（Slime框架）
- 华为昇腾全量训练，国产算力里程碑
- 编程能力开源第一，逼近Claude
既然算力不再受制于人，那就让大模型从“聊天工具”进化为真正的“数字员工”。
最后
我在一线科技企业深耕十二载，见证过太多因技术更迭而跃迁的案例。
那些率先拥抱
的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套
大模型突围资料包：
- ✅AI大模型学习路线图
- ✅Agent行业报告
- ✅100集大模型视频教程
- ✅大模型书籍PDF
- ✅DeepSeek教程
- ✅AI产品经理入门资料
完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇 /> 人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。 从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。 />智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。 AI产业的快速扩张，也让人才供需矛盾愈发突出。 麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。 /> 包含提示词工程、RAG、Agent等技术点 AI大模型学习路线图（还有视频解说） 全过程AI大模型学习路线 /> 市面上的大模型书籍确实太多了，这些是我精选出来的 /> 这些资料真的有用吗? 这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。 目前我正在和鲁博士共同进行人工智能的研究。 所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。 这份学习大礼包应该算是现在最全面的大模型学习资料了。 资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。 /> 智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势，构建起"前沿课程+智能实训+精准就业"的高效培养体系。 课堂上不光教理论，还带着学员做了十多个真实项目。 学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！ /> 如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！ 应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。 零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。 业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。 😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓** /> />
为什么说现在普通人就业/升职加薪的首选是AI大模型？
/>
/>
资料包有什么？
①从入门到精通的全套视频教程⑤⑥
/>
③学习电子书籍和技术文档
④各大厂大模型面试题目详解
/>
⑤
/>
/>
👉获取方式：
