GLM-4.5 在包含推理、代码、智能体的综合能力达到开源 SOTA，在真实代码智能体的人工对比评测中，实测国内最佳采用混合专家（MoE）架构，包括 GLM-4.5：总参数量 3550 亿，激活参数 320 亿；GLM-4.5-Air：总参数 1060 亿，激活参数 120 亿；两种模式：用于复杂推理和工具使用的思考模式，及用于即时响应的非思考模式； API 已上线开放平台BigModel.cn，可以一键兼容Claude Code框架。同时，大家也可以上智谱清言(chatglm.cn) 和z.ai免费体验满血版。欢迎开发者、公司、用户广泛测试与集成，探索 AGI 的奥秘。 衡量 AGI 的第一性原理，是在不损失原有能力的前提下融合更多通用智能能力，GLM-4.5 是我们对此理念的首次完整呈现，并有幸取得技术突破。GLM-4.5 首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求。 为综合衡量模型的通用能力，我们选择了最具有代表性的 12 个评测基准，包括 MMLU Pro、AIME 24、MATH 500、SciCode、GPQA 、HLE、LiveCodeBench、SWE-Bench Verified、Terminal-Bench、TAU-Bench、BFCL v3 和 BrowseComp。综合平均分，GLM-4.5 取得了全球模型第三、国产模型第一，开源模型第一。 GLM-4.5 和 GLM-4.5-Air 使用了相似的训练流程：首先在 15 万亿 token 的通用数据上进行了预训练，此后在代码、推理、智能体等领域的 8 万亿 token 数据上进行针对性训练，最后通过强化学习进一步增强模型推理、代码与智能体能力。更多技术细节可参考我们的技术博客（https://z.ai/blog/glm-4.5），后续也会发布更加详细的技术报告。 GLM-4.5 参数量为 DeepSeek-R1 的 1/2、Kimi-K2 的 1/3，但在多项标准基准测试中表现得更为出色，这得益于 GLM 模型的更高参数效率。在衡量模型代码能力的SWE-bench Verified榜单上，GLM-4.5 系列位于性能/参数比帕累托前沿，表明在相同规模下 GLM-4.5 系列实现了最佳性能。 在性能优化之外，GLM-4.5 系列也在成本和效率上实现突破，由此带来远低于主流模型定价：API 调用价格低至输入 0.8 元/百万 tokens，输出 2 元/百万 tokens。 真实场景表现比榜单更重要。为评测 GLM-4.5 在真实场景 Agent Coding 中的效果，我们接入 Claude Code 与 Claude-4-Sonnet、Kimi-K2、Qwen3-Coder 进行对比测试。测试采用 52 个编程开发任务，涵盖六大开发领域，在独立容器环境中进行多轮交互测试。实测结果显示（如下图），GLM-4.5 相对其他开源模型展现出竞争优势，特别在工具调用可靠性和任务完成度方面表现突出。尽管 GLM-4.5 相比 Claude-4-Sonnet 仍有提升空间，在大部分场景中可以实现平替的效果。 GLM-4.5 系列能胜任全栈开发任务，编写复杂应用、游戏、交互网页。这得益于模型原生具备的在前端编写网站、在后端进行数据库管理，以及通过工具调用接口支持任意的智能体应用等能力。 GLM-4.5 不仅擅长处理复杂代码，同时也具有优秀的数据精准处理、交互动画设计能力。以下是 GLM-4.5 制作的一个 Flappy Bird 小游戏，欢迎大家前来挑战。 GLM-4.5 在制作 PPT 过程中会自主搜索资料、寻找配图，根据材料以 HTML 形式编写图文，使信息更准确、排版更灵活。除了16:9的PPT，也可以制作长图、小红书、社交媒体封面或简历等多比例图片。
