7月28日晚，智谱悄无声息的开源了新一代旗舰模型 GLM-4.5，发布仅10小时，便引发全球媒体高度聚焦。

CNBC、路透社、Bloomberg等海外重量级媒体第一时间跟进报道。CNBC在报道中指出：“中国企业正在研发的人工智能模型不仅智能化水平提升，使用成本也持续降低，这与深度求索（DeepSeek）当年震动市场的突破核心优势相呼应。” 

目前，GLM-4.5模型已经登顶国际开源社区Hugging-Face榜单全球第一。

智谱此次发布GLM-4.5 系列（355B 以及 106B） 两个参数版本，源码和权重全部开源，采用极为宽松的 MIT License 协议。

GLM家族并非首次引发关注，之前的GLM-130B、ChatGLM3系列都因为是首个突破和首个开源，曾在开源圈掀起过波澜。这次模型亮点在于：

• 首款原生融合模型： 这是其最大亮点之一。GLM-4.5首次在单个模型中实现了将推理、编码和智能体能力原生融合。 正如技术博客所阐释，大语言模型的终极目标是在广泛领域达到人类认知水平，但现有模型往往各有所长（编程、数学、推理），却难以成为真正的“全优生”。GLM-4.5 正是朝着统一各种能力这一目标迈进，力证大模型的下一个范式，必然是深度整合多维度能力于一体。

• 更高的参数效率： GLM-4.5的参数量仅为一些主流模型的一半甚至三分之一，但在多项标准基准测试中表现更为出色。 特别是在衡量模型代码能力的权威榜单 SWE-bench Verified 上，GLM-4.5 系列位于性能/参数比的帕累托前沿——这意味着在同等参数规模下，它实现了当前已知的最佳性能。

下面咱们就详细看下GLM-4.5模型在性能、代码能力、推理表现这些硬实力上的实测表现~

这次发布的两个版本的GLM-4.5模型：

• GLM-4.5：总参数355B，激活参数32B

• GLM-4.5-Air：总参数106B，激活参数12B

它们都采用了混合专家结构（MoE），这个架构说白了就是“每次推理只激活部分参数”，在保证多样能力的同时大大降低了计算消耗。

模型支持两种核心模式切换：

• Non-thinking 模式：轻量任务用这个，效率高、响应快、节省开销。

• Thinking 模式：推理、链式思考、代码补全、Agent执行链条，用这个火力全开。

52个Agent 轨迹：

https://huggingface.co/datasets/zai-org/CC-Bench-trajectories

实测体验：模型原生融合ARC（Agentic/Reasoning/Coding）能力，分分钟手搓Agent

说实话，小编原本对这个模型的预期，还停留在“跑跑测试题”这种层面。

但当我真正上手试了之后，我必须承认，它确实不止是“跑得好”。

GLM-4.5其原生架构设计使其成为真正意义上的“Agent基座模型”：

• 推理能力（Reasoning）：覆盖数学、符号逻辑、多轮对话逻辑链条等多个评测维度；

• 代码能力（Coding）：广泛适用于数据处理、日志分析、工具开发、前端交互、算法原型等复杂场景；

• Agentic能力：具备任务自主拆解 + 工具调用 + 多轮完成任务的原生能力，无需外挂流程控制器。

这意味着，GLM-4.5并非“能Agent”的模型，而是“为Agent而生”的模型。

这里官方也放出了一些关于Agentic任务的评测技术细节报告

GLM-4.5 是对 Agentic 任务专门优化的基础模型，支持 128k 的上下文长度和原生函数调用能力。在 𝜏-bench 和 BFCL-v3（伯克利函数调用排行榜 v3）上对两款模型的 agentic 能力进行评估，GLM-4.5 的性能与 Claude-4-Sonnet 相当。

网页浏览是一种需要复杂推理和多轮工具使用的流行 Agentic 应用。技术团队在 BrowseComp 基准上评估了 GLM-4.5，在访问网页浏览工具的情况下，GLM-4.5 能够正确回答 26.4% 的问题，优于 Claude-4-Opus（18.8%），接近 o4-mini-high（28.0%）。

注：BrowseComp 是一个具有挑战性的网页浏览基准，包含需要简短回答的复杂问题。

下图显示了 GLM-4.5 在 BrowseComp 上的测试时扩展精度。

模型原生 Agent 场景跑通，从生成文本到生成产品

小编尝试了以下几种使用方式实测了多个「模型原生可落地Agent场景」，覆盖从文本工具、搜索型应用，到交互式网页与多人游戏，验证GLM-4.5的真实可部署性与连贯性，一口气构建了5个专业的应用，已经沉寂多年的开发能力突然以另一种形式觉醒，我又觉得我行了！

场景类别	示例任务	Agent行为链条	说明
文本工具类	智能PPT助手	需求理解 → 搜图 → 插图 → 生成结构化Markdown代码	可一键导出PPT，可调用浏览器插件或图像API
聊天+搜索引擎	类SearchGPT	用户问答 → 检索策略生成 → 多跳搜索 → 回答	支持信息分段获取与网页摘要
网页交互生成	“地球可视化页面”	指令解析 → HTML + CSS + JS生成 → 模型自检并修复	可实现GLM原生生成交互网页并部署预览
游戏类	多人协作小游戏	设定规则 → 多Agent分角色互动 → 状态管理 + UI生成	生成一个可运行的小游戏，模型完成规则设计与代码
多Agent任务流	企业流程工具	PM+Dev+Test虚拟角色协作 → 产出PRD+代码+测试	体现模型在组织内任务流中的自动化协作潜力

基于three.js构建的3D地球可视化模拟生成器

AI驱动的企业流程自动化工具（在线体验：https://k0nag61vkf50-deploy.space.z.ai/）

，时长02:05

多Agent协同的像素风格贪吃蛇游戏（在线体验：https://r0qat65a8yz1-deploy.space.z.ai/）

帮我生成一个游戏应用贪吃蛇，风格是像素风格，玩家可以驱动游戏内的小蛇，同时游戏内可随机出现不同其它的玩家，以及实物。并且右上角有当前对局的得分榜单。使用Agent帮我模拟其它的玩家。

GLM-4.5模型原生生成PPT

经常做PPT的小伙伴可能知道，做一套好看实用的PPT有多么麻烦，搜索信息、贴内容、正确配图，确保信息准确、审美在线、字体配色，最终代码生成PPT...

使用高大上的配色和奢侈品风格，生成一个关于爱马仕品牌介绍的PPT

实测GLM-4.5生成PPT，总耗时4分26秒，嗯，很快，而且比我做的好看多了...

这些能力已不止于“文本生成”，而是完成了从自然语言 → 工具控制 → 应用部署的全流程闭环。突然想起昨天刚刚开源的Coze，此刻会不会也开始沉思，Agent工作流是否只是大模型过渡期的产物，可能尽头依然ALL IN CHAT！！

下方是官方的一些demo参考，小伙伴可以直接打开体验：

一个真的能搜的搜索引擎

提示词：做一个Google搜索网站。

Z.ai版本“谷歌搜索”体验地址：https://n0x9f6733jm1-deploy.space.z.ai

一个真的能点赞的文字版抖音

提示词：做一个文字版抖音 ， 允许上下切换， 需要支持发帖、 点赞、 评论的功能。

Z.ai版本“文字抖音”体验地址：https://t0mau6dg2nv0-deploy.space.z.ai

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3D 交互式地球网页，用户可以点击地点查看详情，并伴有平滑的缩放动画。

提示词：Build a webpage using Three.js and JavaScript that creates a 3D world displaying places I've visited, based on an array. Clicking markers on the 3D globe will animate a zoom effect and open detailed trip information with photos.

推理之上，是智能体：GLM-4.5的Agent原生性值得重视

现在市面上的大部分LLM，其实还是以“增强问答系统”为核心思路，即便加了插件、记忆系统、函数调用，也还是“在模型外面堆功能”。

这包括但不限于：

• 模型对话中长期记忆、目标一致性保持

• 模型对于任务目标、动机、过程的自我规划能力

• 模型原生支持多轮链式思考与动作执行能力

但GLM-4.5开始做的，是在模型训练过程中就让模型具备智能体行为的能力。GLM-4.5 和 GLM-4.5-Air 使用了相似的训练流程：首先在 15 万亿令牌的通用数据上进行了预训练。然后在代码、推理、智能体等领域的数据上进行了针对性训练，最后通过强化学习进一步增强了模型的推理、代码与智能体能力。

GLM-4.5可以理解是具备实战能力的“多步任务执行者”，在未来 AI 工作助手、多任务智能客服、财务分析等场景中具备天然优势。

这也是为什么它能在TAU-Bench、BrowseComp这种原本只适合专用Agent系统的任务中跑出好成绩——它是“原生具备智能体能力”的。

原生Agent觉醒时刻，一键上线不用复杂工作流

当看到GLM-4.5自动拆解这个需求时，不需要Manus，不需要Flowith，更不需要抢各种邀请码！小编知道智能体赛道要变天了：

为了测试模拟真实开发工作流，小编特意选了一个针对以往多Agent智能体协同开发才能实现的多任务的复杂开发需求，让它开发一个自动分析上市公司财报并支持财报分析、下载报告、甚至增加用户自然语言对话返回财报分析结果的复杂多功能的网站。

以下是一次完整的one-shot prompt：

帮我开发一个自动分析上市公司财报的网站，以下是具体的流程：1、用户输入一个上市公司名称或者股票代码（支持中国的A股或者美股公司），2、可以选择什么时间段的财报，或者默认是最新的财报。3、根据用户的输入自动抓取这个公司的财报。4、调用大模型能力分析财报，5、生成财报分析报告，财务报告可在线浏览，也支持自动成图文并茂的ppt报告，可供用户下载。提供下载地址  6、用户可进行对话，大模型根据用户输入自动寻找财报内的内容，并输出对应的图表。

然后GLM-4.5开始了它的思考和动作，创建了一个基本的Next.js项目结构，并使用TodoWrite来规划整个项目的开发步骤：

1. 创建项目基础结构和路由

2. 设计并实现主页面UI（搜索框、时间选择等）

3. 实现财报数据抓取API（支持A股和美股）

4. 实现财报分析API（调用大模型）

5. 创建财报分析报告展示页面

6. 实现PPT报告生成功能

7. 实现对话功能和图表生成

8. 优化UI/UX和响应式设计

后续就是根据每一个细分的目标进行思考、拆分、执行。如果后边有对前边共用的文件有修改，它会自动找到对应的代码文件以及对应的位置更新。

最后完成整个代码构建后，它还会回顾并检查整体的代码质量，检查开发日志，并且做一些用户体验优化，代码开发这么细心负责，这让人类开发者情何以堪...

一次运行成功！输入阿里巴巴，直接把财报分析内容展示了出来！

最终整个项目完成之后，GLM-4.5会在服务器端命令行启动项目，整个窗口会分成左右两大窗口，左侧是与大模型交互以及动态输出日志交互信息，右侧就是实际运行起来的网站预览。如果对生成的功能或者UI不满意，或者运行过程有出现错误问题，可以随时在左侧交互框中告诉它，非常方便和易用！

它还会贴心的把整个项目的功能点、技术架构、使用指南都整理成文字信息告诉你，后续小编又让它增加了原始报告下载、投资建议功能，基本一次就可以完成功能更新。

以下是从输入到完成整个项目构建的视频，全程自动化构建，最终总耗时约5分17秒：

后边在点击深度分析中的下载报告按钮会报错，小编直接左侧交互框告诉他错误信息：error proxying request: net/http: timeout awaiting response headers ，请修复。等待1分钟左右，功能顺利修复完成。

对于构建完成的项目，GLM-4.5支持在线部署和下载源码的功能。

现在，人人都可以是一个全栈开发者！就像左下角那个“全栈开发”按钮在告诉你的事情：不用再管什么瀑布流开发，不用再有产品经理、前端开发、后端开发、数据DBA...产品经理与开发也不用再天天吵架了，你只需要关注需求本身，有什么想法直接告诉GLM-4.5，一键上线不用复杂工作流，你只需要喝着咖啡等待！

随后，小编又顺手做了一个AI营销的网站，几分钟之后，我感觉明天可以汇报老板，公司可以再开设一条AI营销的业务线了...升职加薪指日可待！！

你现在就可以去 Z.AI 做一个专属的AI营销网站：

帮我开发一个AI营销的网站，以下是具体的流程和功能描述：1、文案写作功能，根据指定的文案风格或者预制的一些文案风格进行生成文案。2、文案风格改写功能，输入给定的文案，选择不同风格进行改写。3、风格图片生成：根据用户输入的自动生成不同风格的图片。4、文案错字和修改建议功能。5、根据给定的文案，自动生成视频脚本

你可以理解为，它不是“加了Agent功能的大模型”，而是“为Agent而设计的大模型”。

模型免费，API超便宜，生成速度超级快

• API调用价格：

  • 输入：0.8 元 / 百万Tokens

  • 输出：2 元 / 百万Tokens

• 响应速度：

  • 高速版本实测超过 100 Tokens / 秒，支持低延迟、高并发的实际部署需求，兼顾成本效益与交互体验。

  • Thinking 模式稍慢但更精准，适合高复杂任务

现在智谱仅需 50 元即可包月爽用 GLM-4.5，调用量上不封顶！这样的价格，性价比直接拉满！！小伙伴千万别错过这难得的薅羊毛机会~

从性能、参数、结构、生态，到开源方式、使用门槛、场景适配，GLM-4.5几乎把目前一个通用大模型应该具备的一切全拉满了。

更难得的是，它不是闭门造车，而是明确要“向开发者开放、向产业落地”的。

它是在思考、推理、规划、执行能力上，开始向下一代 AI 操作系统靠拢。

国产大模型的路，不能只是对齐，更要超越。

GLM-4.5，给了我们一个全新的起点。

下一篇文章，我们来聊聊：这个模型背后到底是怎么训练出来的？又或者——智谱到底在下哪盘大棋？

我们，下次见。

附录：你现在就可以体验 GLM-4.5

GitHub / Hugging Face / ModelScope / API平台 全面同步

• 🚀 Hugging Face（模型仓库）：https://huggingface.co/collections/zai-org/glm-45-687c621d34bda8c9e4bf503b

• 🧠 ModelScope（模型仓库）：https://modelscope.cn/collections/GLM-45-b8693e2a08984f

• Github 仓库：https://github.com/zai-org/GLM-4.5

• 🔧 BigModel.cn （API接入，一键兼容Claude Code 框架）：https://docs.bigmodel.cn/cn/guide/develop/claude

• 💬 chatglm.cn （在线使用满血版）：https://chatglm.cn

• 🆓 Z.ai （在线使用满血版）：https://chat.z.ai/

• Claude code集成：https://docs.z.ai/scenario-example/develop-tools/claude

• 支持 Claude Code、Roo Code 等代码智能体中接入使用

注：MIT License开源协议

• 允许自由使用：任何人可将遵循 MIT 协议的软件用于商业、非商业等任何场景，无需支付费用。

• 修改与分发自由：允许修改软件源代码，也可将修改后的版本以开源或闭源形式分发。

• 低约束：只需在软件副本或相关文档中保留原作者的版权声明和许可声明，无需公开修改后的源代码。

END