快科技 2 月 22 日消息，春节期间国产 AI 大模型轮番登场，除了 DeepSeek V4 还在低调之外，几家热门模型都来了，其中智谱的 GLM-5 是其中热度最高的之一。

从智谱官网介绍来看，GLM-5 重点就是提升编程与智能体能力，其参数量达到了 7440 亿，是上代 GLM-4.X 的 2 倍左右，性能提升很明显。

此前有海外的 AI 博主测试其代理编程能力世界第一，综合编程能力世界第三，仅次于 Opus 4.6 及 Gemini 3 Pro，但超越了 Opus 4.5。

发布之后由于太受欢迎，导致 GLM-5 需求暴涨，甚至导致算力不够，用户体验下滑，为此智谱还发布了道歉信，并给出了补偿方案，其能力表现可见一斑。

今天智谱还发布了 GLM-5 大模型的技术报告，特别提到了性能提升主要来自于四大技术创新，具体如下：

1、引入 DSA 稀疏注意力机制（DeepSeek Sparse Attention, DSA），极大降低了训练与推理成本。

此前的 GLM-4.5 依赖标准 MoE 架构提升效率，而 DSA 机制则使 GLM-5 能够根据 Token 的重要性动态分配注意力资源。在不折损长上下文理解和推理深度的前提下，算力开销得以大幅削减。

得益于此，智谱将模型参数规模扩展至 744B，同时将训练 Token 规模提升至 28.5T。

2、构建全新的异步 RL 基础设施

基于 GLM-4.5 时期 slime 框架 " 训练与推理解耦 " 的设计，智谱的新基建进一步实现了 " 生成与训练 " 的深度解耦，将 GPU 利用率推向极致。系统支持模型开展大规模的智能体（Agent）轨迹探索，大幅减缓了以往拖慢迭代速度的同步瓶颈，让 RL 后训练流程的效率实现了质的飞跃。

3、提出全新的异步 Agent RL 算法

该算法旨在全面提升模型的自主决策质量。GLM-4.5 曾依靠迭代自蒸馏和结果监督来训练 Agent；而在 GLM-5 中，研发的异步算法使模型能够从多样化的长周期交互中持续学习。

这一算法针对动态环境下的规划与自我纠错能力进行了深度优化，这也正是 GLM-5 能够在真实编程场景中表现卓越的底层逻辑。

4、全面拥抱国产算力生态

从模型发布伊始，GLM-5 就原生适配了中国 GPU 生态。智谱已完成从底层内核到上层推理框架的深度优化，全面兼容七大主流国产芯片平台：华为昇腾、摩尔线程、海光、寒武纪、昆仑芯、天数智芯与燧原。

据介绍，GLM-5 在单台国产算力节点上的性能表现，已足可媲美由两台国际主流 GPU 组成的计算集群，不仅如此，在长序列处理场景下，其部署成本更是大幅降低了 50%。