📌 一句话总结：智谱 AI 开源 GLM-5，744B 参数全华为昇腾训练，SWE-bench 编程测试开源第一，API 定价仅 $0.80/百万 token，港股暴涨 34%——中国大模型正式从「聊天玩具」进入「系统工程工具」时代。
2026年2月16日 · 资讯分享 · 阅读时间约 5 分钟
GLM-5 是什么？
2 月 12 日，智谱 AI 正式发布并开源新一代旗舰基座模型 GLM-5。这不是一次简单的版本迭代——GLM-5 的总参数量从上一代 GLM-4.5 的 355B 直接翻倍至 744B，激活参数从 32B 提升到 40B，预训练数据从 23 万亿 token 扩展到 28.5 万亿 token。
更关键的是，GLM-5 全程使用华为昇腾（Ascend）芯片完成训练，实现了零西方芯片依赖。在美国持续收紧对华芯片出口管制的背景下，这一点的战略意义不言而喻。
几周前，开源社区曾流传一个名为 Pony Alpha 的神秘模型，因其在长程交互和复杂任务拆解上的出色表现引发广泛猜测。如今答案揭晓：Pony Alpha 正是 GLM-5 的匿名测试版本。
跑分有多强？
| 测试基准 | GLM-5 得分 | 表现 |
|---|---|---|
| SWE-bench Verified（真实软件 Bug 修复） | 77.8 | 开源最高 |
| Humanity's Last Exam（推理，启用工具） | 50.4 | 开源最高 |
| Terminal Bench 2.0 | 56.2 | 开源最高 |
| Vending Bench 2（模拟经营一年） | $4,432 余额 | 接近顶尖闭源模型 |
| ArtificialAnalysis 综合榜 | 全球第四 | 开源第一，超越 Gemini 3 Pro |
简单来说：在编程、推理、长程任务执行这三个最考验「干活能力」的维度上，GLM-5 都拿下了开源模型的最高分，并且在多个指标上超越了 Google 的 Gemini 3 Pro。
两个核心技术突破
1. Slime 强化学习框架
智谱自研了一套名为 Slime 的异步强化学习基础设施。传统的强化学习优化通常针对短对话场景，而 Slime 支持模型从长程交互中持续学习，让 GLM-5 在处理需要数十步操作的工程任务时保持策略一致性。这是 GLM-5 能在 Vending Bench 2 这种「模拟经营一整年」的测试中表现出色的关键。
2. DeepSeek 稀疏注意力机制
GLM-5 集成了受 DeepSeek 启发的稀疏注意力技术。模型不再对长文档中的每个 token 执行完整注意力计算，而是将计算资源集中在最相关的部分。这带来了两个直接收益：长文本处理效果无损，同时部署成本大幅降低。对于需要处理大型代码仓库的 Agent 场景，这是关键的工程优势。
从「聊天」到「干活」：AI Coding 的能力迁移
GLM-5 的定位很明确：它不是为了聊天更流畅，而是为了「干活更靠谱」。
智谱将 GLM-5 定义为「面向复杂系统工程与长程 Agent 任务的基座模型」。在实际测试中，GLM-5 展现了几个令人印象深刻的能力：
它可以直接生成 Word、PDF、Excel 等格式的完整文档，而不仅仅是在聊天窗口里输出文本。用户输入需求后，模型能产出完整的产品需求文档、财务报告、课程教案等，表格和排版自动完成。
在一个有趣的测试中，有人让 GLM-5 克隆某知名 AI 产品的交互界面，模型一次性生成了完成度约 80% 的前端代码。另一个测试让它用单个 HTML 文件模拟 macOS Sonoma 桌面系统，包含窗口管理、Dock 栏、Finder 等完整交互，整体完成度相当高。
开发者的角色正从「写代码」转向「编排 AI Agent」。
— 来源：36氪 / 腾讯科技
开源 + 低价：另一种王炸
GLM-5 以 MIT 协议完全开源，API 定价仅 $0.80/百万输入 token。作为对比，同级别闭源模型的价格通常是这个数字的数倍甚至十倍以上。
消息发布后，智谱在港交所的股价当日暴涨 34%，市场用真金白银投了票。
不过，36氪的实测也指出了一个有趣的现象：GLM-5 在专业开发者手中表现出色，但对于没有编程基础的用户，仅通过简单 prompt 生成的效果「差强人意」。这恰恰说明大模型正在从「玩具」走向「工具」——真正的工具，要在行家手里才能发挥最大价值。
富贵点评
GLM-5 的发布有三层意义值得关注。
第一层是技术层面：744B 参数、全华为昇腾训练、开源第一的跑分，证明了中国团队在芯片受限的条件下依然能打造世界级基础模型。DeepSeek 的稀疏注意力被智谱直接集成，说明中国 AI 开源生态的协同效应正在形成。
第二层是产业层面：GLM-5 的定位从「聊天助手」转向「系统工程工具」，这和整个行业的趋势一致。当 AI 能直接生成完整的产品文档、修复真实的软件 Bug、模拟一整年的商业决策时，它就不再是程序员的「玩具」，而是真正的「数字同事」。
第三层是商业层面：MIT 开源 + $0.80/百万 token 的定价，直接把闭源模型的价格护城河炸了个洞。虽然实测显示 GLM-5 和顶尖闭源模型之间仍有肉眼可见的差距，但当价格差距是 10 倍的时候，80% 的完成度对大多数企业来说已经足够了。这才是真正的「降维打击」。
📋 要点回顾
- 参数规模翻倍：GLM-5 总参数 744B（激活 40B），预训练数据 28.5 万亿 token，全程华为昇腾芯片训练
- 开源跑分第一：SWE-bench 77.8、HLE 50.4（工具模式）、Terminal Bench 56.2，均为开源最高，ArtificialAnalysis 全球第四
- 从聊天到工程：可直接生成 Word/PDF/Excel 文档，支持长程 Agent 任务，定位为「系统工程基座模型」
- 开源低价策略：MIT 协议开源，API 仅 $0.80/百万输入 token，智谱港股当日涨 34%
- 技术亮点：自研 Slime 异步强化学习框架 + DeepSeek 稀疏注意力机制，兼顾性能与成本
❓ 常见问题
Q: GLM-5 和 Claude Opus 4.6、GPT-5.2 相比怎么样？
A: 在编程和推理的跑分上，GLM-5 已经非常接近这些顶尖闭源模型，部分指标甚至超越了 Gemini 3 Pro。但实际使用体验上，36氪的测评指出与顶尖闭源模型仍有「肉眼可见的差距」，尤其在细节打磨和设计语言的精细度上。不过考虑到价格差距是数倍到十倍，性价比优势非常明显。
Q: GLM-5 全程用华为昇腾芯片训练意味着什么？
A: 这意味着中国 AI 公司在芯片封锁下找到了可行的替代路径。GLM-5 证明了即使不使用英伟达 GPU，也能训练出全球前列的大模型。这对整个中国 AI 产业的供应链安全具有重要的示范意义。
Q: 普通用户能用 GLM-5 做什么？
A: GLM-5 更适合有编程基础的专业开发者。它擅长的是复杂的系统工程任务：修复真实软件 Bug、生成完整的产品文档、执行长程 Agent 任务等。对于普通用户的简单对话需求，GLM-5 的优势不太明显。模型以 MIT 协议开源，开发者可以在 GitHub 上获取，也可以通过 API 调用。
作者：王富贵 | 发布时间：2026年2月16日
参考来源：36氪 / 腾讯科技 · KMJ · 新浪科技