GLM-4.5 · 模型与框架

当你的编程助手开始「深度思考」：GLM-4.5 开源模型体验

故事开场：深夜里，一次令人意外的代码修复

凌晨两点，开发者的屏幕上跳出一条通知：Claude Code 自动化脚本发现了一个隐藏的边界 bug，并自动提交了修复 PR。仔细一看，这位「幕后英雄」用的正是国产开源大模型——GLM-4.5。这不是科幻，而是 2025 年智谱 AI 开源社区的真实故事。

背景科普：MoE 架构加持，国产大模型站上世界舞台

GLM-4.5 由智谱 AI（Zhipu AI）推出，后者是国内最早从事大模型研究的机构之一，背景可追溯至清华大学 NLP 实验室。2025 年，智谱选择将 GLM-4.5 系列模型以 MIT 许可证全面开源，在 GitHub 社区引发广泛关注。

核心技术层面，GLM-4.5 采用混合专家（Mixture of Experts, MoE）架构。总参数量达 3550 亿，但实际推理时只激活 320 亿参数——就像一支 10000 人的乐队，但演出时只让最擅长的 100 人上场。这种「稀疏激活」策略使得推理成本大幅降低，同时保持接近Dense模型的性能水准。相比之下，GLM-4.5-Air 版本总参数量 1060 亿、激活 120 亿，在 H100 单卡或消费级显卡上也能运行，适合资源有限的团队。

类比解释：什么是「混合推理」？

传统大模型的推理方式单一，复杂问题用「思考模式」，简单问答也用思考模式，效率低下。GLM-4.5 相当于给模型装上了「双档位」：

思考模式（Thinking Mode）：遇到复杂推理、代码调试、多步骤工具调用时，启动深度思考链，边推理边规划，适合 SWE-bench 级别的代码修复任务
非思考模式（Non-Thinking Mode）：简单对话、即时翻译、文案润色，直接输出，无需冗长推理，降低延迟和 token 消耗

这一创新最早由 GLM-4.5 引入，后续 GLM-4.6 和 GLM-4.7 进一步发展出「交错思考」和「保留思考」机制——模型在工具调用之间进行思考，并在多轮对话中保留所有思考块，避免重复推理，非常适合 Claude Code 这类需要长周期、复杂任务的编程助手场景。

核心功能：从模型到编程智能体

1. 基准测试表现：多项 SOTA 级别

在 12 项行业标准基准测试中，GLM-4.5 综合得分 63.2，在所有闭源和开源模型中排名第 3。代表性成绩包括：

SWE-bench（代码修复）：解决真实 GitHub issue 比例达 52.4%
TAU-Bench（智能体任务）：自主任务得分 70.1%
AIME 2024（数学推理）：在数学奥赛级别问题上表现出色

GLM-4.5-Air 以更低的资源消耗保持了竞争力（59.8 分），体现了 MoE 架构的高效率优势。

2. 编程智能体：无缝融入 Claude Code 等主流框架

GLM-4.5 不仅仅是语言模型，更专为「智能体任务」优化。仓库中提供了与 Claude Code Router 配合使用的完整示例：本地开发机运行 Claude Code 客户端，服务器端部署 GLM-4.5（通过 SGLang 推理），Claude Code Router 负责协议转换，实现「本地写代码、远端跑大模型」的工作流。目前支持 Claude Code、Cline、Roo Code、Kilo Code 等主流编程智能体框架。

3. 工具调用与网页浏览

GLM-4.5 内置工具调用（Function Calling）解析器，支持 TAU-Bench 等基准测试中的复杂工具链场景，也能与网页搜索、API 调用等工具协同工作。模型可自动判断何时调用工具、何时直接回答，实现「边想边干」的智能体工作模式。

技术架构一览

维度	描述
架构	MoE（混合专家），总参数 355B，激活 32B
推理模式	思考模式 + 非思考模式（双档位）
上下文窗口	128K tokens（GLM-4.6 扩展至 200K）
推理引擎	transformers / vLLM / SGLang
量化支持	FP8 版本（精度与速度平衡）
许可证	MIT（可商用）
主框架	Python（HuggingFace transformers）

上手门槛：本地部署 vs API 调用

本地部署：需要专业 GPU 基础设施。GLM-4.5-Air-FP8 版本支持单张 H100（FP8 量化），但全精度版本（BF16）仍需 4-16 张 H100。官方推荐的 SGLang 启动命令包含 speculative decoding（投机解码）参数，可进一步提升推理吞吐量。仓库中也有 AMD MI300X GPU 的部署指南，通过 ROCm + vLLM 生态运行。

API 接入（推荐普通用户）：通过智谱开放平台（docs.bigmodel.cn）直接调用 API，无需硬件投入。或者使用 HuggingFace Spaces 上的在线 Demo（chat.z.ai），输入问题即可体验。

争议与局限

硬件门槛仍然较高：即便是 FP8 量化版，也需要专业级 GPU，普通开发者难以本地运行
中文资料相对分散：官方技术文档分散在多个平台（z.ai、feishu wiki、ModelScope），入门有一定搜索成本
与 Claude/GPT-4 的生态差距：虽然模型性能接近第一梯队，但 Claude Code 官方对 GLM-4.5 的集成支持仍不如 Anthropic 原生模型完善

行业意义：开源智能体模型的新里程碑

GLM-4.5 的发布，标志着国产大模型在「开源 + 智能体」赛道正式进入世界前列。MoE 架构的成功实践表明，通过稀疏激活可以在参数量和推理效率之间找到优秀平衡。MIT 许可证的采用，让商业项目可以自由集成，降低了企业使用门槛。

从更长远的视角看，GLM-4.5 系列代表了一个趋势：模型本身不再是最稀缺的资源，模型与智能体框架的深度集成、以及在此基础上构建的工具生态，才是下一个竞争焦点。 智谱 AI 的开源策略，正在为这个趋势写下中文世界的注脚。

项目地址：https://github.com/zai-org/GLM-4.5 | 许可证：MIT | 官方博客：https://z.ai/blog/glm-4.5

当你的编程助手开始「深度思考」：GLM-4.5 开源模型体验

故事开场：深夜里，一次令人意外的代码修复

背景科普：MoE 架构加持，国产大模型站上世界舞台

类比解释：什么是「混合推理」？

传统大模型的推理方式单一，复杂问题用「思考模式」，简单问答也用思考模式，效率低下。GLM-4.5 相当于给模型装上了「双档位」：

思考模式（Thinking Mode）：遇到复杂推理、代码调试、多步骤工具调用时，启动深度思考链，边推理边规划，适合 SWE-bench 级别的代码修复任务
非思考模式（Non-Thinking Mode）：简单对话、即时翻译、文案润色，直接输出，无需冗长推理，降低延迟和 token 消耗

核心功能：从模型到编程智能体

1. 基准测试表现：多项 SOTA 级别

在 12 项行业标准基准测试中，GLM-4.5 综合得分 63.2，在所有闭源和开源模型中排名第 3。代表性成绩包括：

SWE-bench（代码修复）：解决真实 GitHub issue 比例达 52.4%
TAU-Bench（智能体任务）：自主任务得分 70.1%
AIME 2024（数学推理）：在数学奥赛级别问题上表现出色

GLM-4.5-Air 以更低的资源消耗保持了竞争力（59.8 分），体现了 MoE 架构的高效率优势。

2. 编程智能体：无缝融入 Claude Code 等主流框架

3. 工具调用与网页浏览

技术架构一览

维度	描述
架构	MoE（混合专家），总参数 355B，激活 32B
推理模式	思考模式 + 非思考模式（双档位）
上下文窗口	128K tokens（GLM-4.6 扩展至 200K）
推理引擎	transformers / vLLM / SGLang
量化支持	FP8 版本（精度与速度平衡）
许可证	MIT（可商用）
主框架	Python（HuggingFace transformers）

上手门槛：本地部署 vs API 调用

争议与局限

硬件门槛仍然较高：即便是 FP8 量化版，也需要专业级 GPU，普通开发者难以本地运行
中文资料相对分散：官方技术文档分散在多个平台（z.ai、feishu wiki、ModelScope），入门有一定搜索成本
与 Claude/GPT-4 的生态差距：虽然模型性能接近第一梯队，但 Claude Code 官方对 GLM-4.5 的集成支持仍不如 Anthropic 原生模型完善

行业意义：开源智能体模型的新里程碑

项目地址：https://github.com/zai-org/GLM-4.5 | 许可证：MIT | 官方博客：https://z.ai/blog/glm-4.5