GLM-5：模型家族及其开山之作

GLM-5 于 2026 年 2 月 11 日上线 OpenRouter。Z.ai 将其描述为一个“面向复杂系统工程与长流程智能体任务”的模型——换句话说，它的目标是搞定大型、多步骤的编程工作，而不仅仅是一个快速日常对话的伴侣。

其模型卡片用直观的数据展示了架构变化。相比 GLM-4.5，GLM-5 从 3550 亿参数（320 亿激活）扩展到 7440 亿参数（每 token 激活 400 亿），预训练数据量也从 23 万亿 token 增长到了 28.5 万亿 token。每个 token 仅调用一小部分权重，这正是维持如此庞大模型可实用部署的关键所在。

GLM-5 还引入了 DeepSeek 稀疏注意力（DSA）。稀疏注意力使模型只需关注先前 token 中的选定子集而非全部，据 Z.ai 称，这大幅降低了部署成本，同时完整保留了长上下文能力。在 OpenRouter 上，最初的 GLM-5 拥有约 205K token 的上下文窗口，且单次回答最多可返回约 131K token。

在后训练阶段，Z.ai 构建了名为 slime 的异步强化学习基础设施。官方表示它提高了训练吞吐量，并支持更精细的迭代优化。模型卡片展示了在推理、代码和智能体基准测试中的成绩——例如在 SWE-bench Verified 上获得 77.8 分，在搭载 Terminus 2 测试框架的 Terminal-Bench 2.0 上获得 56.2 分——并宣称在发布时达到了开源模型中的最佳性能。

这些数据来自 Z.ai 官方测试套件。它们很适合用来对比 GLM 各版本之间的差异，但最客观真实的检验依然来自你自己的实际任务：直接把真实问题粘贴进对话框，亲自评估生成质量。

在 GLM-5 之后，Z.ai 持续推出了一系列稳定迭代。GLM-5 Turbo（2026 年 3 月）与多模态 GLM-5V-Turbo（2026 年 4 月）主打通过 API 实现快速的智能体工作流。GLM-5.1（2026 年 4 月）聚焦长流程编程任务。GLM-5.2（2026 年 6 月）带来了扎实的 1M token 上下文与可调节的推理力度（reasoning effort）。GLM-5.3（2026 年 8 月）沿用 GLM-5.2 底座并优化了后训练，而 GLM-5.3 Flash 则以极低的价格增加了原生图像与视频输入支持。GLM-5.3 FlashX 与 GLM-5.3 Prime 则是专为极速响应打造的 API 变体。

该家族中有五款模型——GLM-5、GLM-5.1、GLM-5.2、GLM-5.3 以及 GLM-5.3 Flash——已作为开源权重在 Hugging Face 上发布。下方的规格表和模型家族总览列出了每款模型的上下文窗口、价格与许可协议。

对于新项目而言，通常不需要。同家族的后续模型拥有更大的上下文窗口、可调节的推理能力，且如 GLM-5.3 Flash 的使用价格要低得多。最初的 GLM-5 仍然值得关注的场景是：你需要一款完全遵循 MIT 协议、拥有完整公开架构与论文（arXiv 2602.15763）的开源模型，或者需要复现基于它测得的研究结果。