GLM-5

智谱 Z.ai 2026 年 2 月发布的 MIT 许可证 744B-A40B 旗舰,让 GLM 从编程走向工程;此后已有三个更新的后继者。

一句话概括. GLM-5 是智谱 Z.ai 的超大文本模型,面向编程和长链条智能体任务。它的许可证是纯 MIT。它需要 GPU 服务器或超大内存的机器,Z.ai 之后又发布了 GLM-5.1、5.2 和 5.3,所以它现在主要是这条产品线的起点。

概述

Z.ai 于 2026 年 2 月 12 日发布 GLM-5,面向复杂系统工程和长链条智能体任务。按模型卡的说法,GLM-5 从 GLM-4.5 的 3550 亿参数(320 亿激活)扩大到 7440 亿(400 亿激活),预训练数据从 23 万亿增加到 28.5 万亿 token。Hugging Face 的文件元数据统计的参数量约为 7540 亿。它集成了 DeepSeek Sparse Attention,在保持长上下文能力的同时降低部署成本,后训练用的是 slime,这是 Z.ai 为提高训练吞吐而开发的异步强化学习系统。配置显示共 78 层、256 个路由专家,每个 token 用 8 个,另有 1 个共享专家,位置数为 202752。技术报告是 arXiv 2602.15763。

在 Z.ai 自己的表格里,GLM-5 在 SWE-bench Verified 上得 77.8(Claude Opus 4.5 为 80.9,GPT-5.2 在 xhigh 档为 80.0,Kimi K2.5 为 76.8,GLM-4.7 为 73.8),SWE-bench Multilingual 得 73.3,Terminal-Bench 2.0 用 Terminus-2 得 56.2(在 Z.ai 的验证版数据集上为 60.7),BrowseComp 得 62.0,τ²-Bench 得 89.7,MCP-Atlas 得 67.8,不带工具的 Humanity's Last Exam 得 30.5,带工具得 50.4。Z.ai 称它在发布时是开放模型中推理、编程和智能体任务表现最好的。这些都是自报分数,后来的模型已经超过了它,其中包括 Z.ai 自己的新模型。

BF16 仓库为 1507.8 GB,756.2 GB 的 FP8 版本以 GLM-5-FP8 单独发布,据我们估算 4 位版本约需 520 GB 内存。模型卡列出的推理框架有 vLLM 0.19.0 及以上、SGLang 0.5.10 及以上、KTransformers、Transformers,以及面向昇腾 NPU 的 xLLM,它的 vLLM 示例使用 8 路张量并行和多 token 预测推测解码。GLM-5.1 于 4 月、GLM-5.2 于 6 月、GLM-5.3 于 2026 年 8 月接续发布。在截至 2026 年 11 月 11 日的 30 天里,Hugging Face 统计到主仓库约 131.9 万次下载,FP8 版本约 4.9 万次,主仓库的数字可能包含镜像和自动化拉取。

适合做什么

  • 在 GPU 服务器上自托管编程和工程智能体
  • 想要没有地域或营收条件的纯 MIT 许可证的团队
  • DeepSeek Sparse Attention 和异步强化学习的研究
  • 对比 GLM-5 系列与其后继者时作为基线

需要注意

  • GLM-5.1、5.2 和 5.3 更新,在 Z.ai 的主要编程和智能体基准上分数更高,开始新部署前请先看它们
  • 即使是 FP8 也需要多卡节点;4 位版本需要约 512 GB 的高速内存
  • 它只读文字,202752 个位置的上下文远低于 GLM-5.2 的 100 万 token
  • 所有基准数字都来自 Z.ai,使用的是它自己的评测设置

性能数据来自开发方,未经独立验证。

需要多少内存?

以下为 GLM-5 (BF16) 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。

版本 参数量 BF16 FP8 / INT8 4-bit (Q4) 可运行于
GLM-5 (BF16) BF16 754B 激活 40B 1.73 TB 867 GB 520 GB GPU 服务器
GLM-5-FP8 FP8 754B 激活 40B 1.73 TB 867 GB 520 GB GPU 服务器

估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。

显存计算器

许可证,用大白话说

最简短、最宽松的许可证。只要保留版权和许可声明,你几乎可以对模型做任何事。

进一步了解 MIT

常见问题

GLM-5 是什么?
GLM-5 是智谱 Z.ai 的超大文本模型,面向编程和长链条智能体任务。它的许可证是纯 MIT。它需要 GPU 服务器或超大内存的机器,Z.ai 之后又发布了 GLM-5.1、5.2 和 5.3,所以它现在主要是这条产品线的起点。
GLM-5 可以商用吗?
可以。GLM-5 采用 MIT 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
GLM-5 是开源的吗?
GLM-5 采用 MIT 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
我能在自己的电脑上运行 GLM-5 吗?
台式机不行。最小版本 GLM-5 (BF16) 在 4 位精度下约需 520 GB,需要配备多张数据中心显卡的 GPU 服务器。
GLM-5 是什么时候发布的?
GLM-5 由 Z.ai (Zhipu AI) 于 2026年2月12日 发布。
GLM-5 的上下文窗口有多长?
GLM-5 支持最长 198K token 的上下文窗口。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
GLM-5.1 Z.ai (Zhipu AI) 754B 激活 40B 198K MIT (宽松) 520 GB GPU 服务器
GLM-5.2 Z.ai (Zhipu AI) 753B 激活 40B 1M MIT (宽松) 520 GB GPU 服务器
GLM-5.3 Z.ai (Zhipu AI) 753B 激活 40B 1M GLM-5.3 License (附条件) 520 GB GPU 服务器
DeepSeek-V3.2 DeepSeek 685B 激活 37B 160K MIT (宽松) 473 GB 大内存台式机