GLM翻译站点

GLM 是智谱 Z.ai 开发的开放权重大模型家族，截至 2026 年 8 月最新开放权重主干 GLM-5.2 于 6 月开源，744B 总参/40B 激活 MoE，MIT 许可，1M 上下文，专注长程编程与 Agent 任务；最新 GLM-5.3 于 8 月 14 日发布 API、权重定于 8 月 28 日开源，延续同一基座，编程与网络安全能力进一步提升，是开放权重中长上下文 Agent 编程的标杆。

 

产品概述

GLM 由北京智谱 AI（Z.ai）开发，团队源自清华大学，自 2023 年 ChatGLM 系列起步，已成为国产开放权重大模型家族中”长上下文 + Agent 编程”路线的代表 。

 

版本演进（具体以官网实时信息为准）：

• GLM-4.5 / 4.5-Air（2025 年 7 月）：355B/106B MoE，128K 上下文，MIT 许可
• GLM-4.6 / 4.7（2025 年 9-12 月）：200K 上下文，MIT 许可
• GLM-5（2026 年 2 月）：744B MoE，20 万 Token 上下文，MIT 许可
• GLM-5.1（2026 年 4 月）：沿用 744B 基座，MIT 许可，长程任务优化
• GLM-5.2（2026 年 6 月 16 日开源）：当前最新已开放权重主干。744B 总参/40B 激活 MoE，1M 上下文，MIT 许可，Artificial Analysis 综合智能指数 51 分，与 Anthropic、OpenAI 并列前三，为开源模型 SOTA
• GLM-5.3（2026 年 8 月 14 日发布 API）：沿用 GLM-5.2 基座（约 7430 亿参数 MoE），所有能力提升来自后训练 Scaling；Artificial Analysis 综合智能指数 60 分，与 Claude Fable 5、GPT-5.6 Sol 等闭源旗舰同档，并列开源模型第一；权重定于 2026 年 8 月 28 日开源（完成安全评估与模型加固后）

 

当前已开源主干 GLM-5.2 核心参数​ ：

• 架构：744B 总参 / 40B 激活 MoE
• 上下文：Solid 1M 无损上下文
• 最大输出：128K tokens
• 许可：MIT License（最高权限）
• 开源平台：Hugging Face、ModelScope、GitHub
• 推理框架：vLLM、SGLang、Transformers 已 Day 0 支持
• 国产算力：完成华为昇腾等国产算力平台 Day 0 适配

 

许可策略（关键）：

GLM 家族全系 MIT License​ ——这是与 DeepSeek V4 并列的最宽松许可：

• 可自由下载、部署、商用、修改、蒸馏、二次分发
• 无营收门槛、无月活限制、无地域限制、无商业审批
• 智谱明确表示”技术平权无国界”
• GLM-5.3 权重也将以”宽松许可证”开源（社区预期仍为 MIT）

💡 与 Llama 4（Custom License + 7 亿月活条款）形成最本质差异——GLM 是真正无门槛的 OSI 认证开源，法务审核零障碍。GLM 与 DeepSeek V4、Qwen3.8-27B、Gemma 4、Mistral Large 3/Small 4、Phi-4 共同构成”最干净许可”开放权重阵营 。

 

核心能力

• 1M 无损长上下文：GLM-5.2 实现 Solid 1M 工程可用上下文，是开放权重中首批将 1M 上下文做到”无损可用”的模型
• 长程 Agent 编程：GLM-5.2 在 SWE-bench Pro 达 62.1 分，FrontierSWE 达 74.4%；GLM-5.3 在 DeepSWE-Agents 从 46.2 跃升至 66.9，Terminal-Bench 3.0 从 4.6 跃升至 28.3（开源第一）
• 网络安全能力涌现：GLM-5.3 在 CyberGym 达 84.5%（超过 Mythos 5 的 83.8%），可挖掘真实开源项目漏洞，在 269 个项目中发现 2436 个漏洞
• MoE 高效推理：744B 总参仅激活 40B，推理成本接近 40B 稠密模型
• 国产算力 Day 0 适配：华为昇腾等国产 NPU 首发支持，是国产算力上最成熟的前沿开放权重
• 主流框架原生支持：vLLM、SGLang、Transformers、llama.cpp 均已支持
• 工具调用与 Function Calling：原生支持 Agent 工具调用，与 Claude Code、OpenCode、Cline、Roo Code 等主流 Agent 框架深度适配
• 全尺寸矩阵：从 1B/2B 端侧（mGLM-1B、GLM-2B）到 9B 消费级（GLM-4-9B 系列）、32B 企业级（GLM-4-32B 系列）再到 744B 旗舰，覆盖端侧到数据中心

 

优势亮点

• MIT 最宽松许可：商用、修改、蒸馏、再分发均无门槛，是与 DeepSeek V4 并列的真正 OSI 认证开源
• 1M 上下文工程可用：GLM-5.2 是开放权重中首批将 1M 上下文做到”无损”的模型，可一次性处理完整代码库、整本技术书
• 长程编程 SOTA：GLM-5.3 在 Terminal-Bench 3.0 达 28.3 分（开源第一），DeepSWE-Agents 66.9 分，编程 Agent 能力超越 Claude Opus 4.8
• 网络安全差异化：GLM-5.3 的 CyberGym 84.5% 是开放权重中独有的网络安全能力，”开源的盾”定位
• 国产算力原生适配：Day 0 运行在华为昇腾等国产算力平台，是国产 AI 芯片上最成熟的前沿开放权重
• Artificial Analysis 指数开源第一：GLM-5.3 综合智能指数 60 分，与 Kimi K3 并列开源第一
• 成本优势显著：GLM-5.2 在多项长程 coding 任务上超过 GPT-5.5，而每 token 成本仅约六分之一
• 智谱清言生态：chat.z.ai、BigModel 开放平台、AutoClaw Agent、ZCode 代码工具全链路支持

 

局限

• GLM-5.3 权重尚未开源：截至 2026 年 8 月 20 日，GLM-5.3 仅开放 API，权重定于 8 月 28 日开源；当前自托管可用的开放权重主干为 GLM-5.2
• 纯文本模态：GLM 系列主要为文本模型，GLM-5V-Turbo 为多模态版本但非家族主线；复杂视觉任务不及 Qwen3.8-27B、Gemma 4 12B 等原生多模态模型
• 旗舰自托管门槛高：744B MoE 全精度需多卡 H100/A100 集群；消费级硬件仅能量化运行较小版本（GLM-4-9B、GLM-4-32B）
• 与顶级闭源仍有差距：GLM-5.3 综合智能指数 60 分，虽与 Claude Fable 5、GPT-5.6 Sol 同档，但智谱官方承认前沿闭源模型在部分任务上仍领先
• 英文生态不及 Llama：英文社区教程、第三方工具链丰富度仍略低于 Llama 系列
• 多语种覆盖不及 Qwen：Qwen 支持 200+ 语言，GLM 主要优化中英双语

 

适用人群

• 长程编程与 Agent 开发团队：1M 上下文 + SWE-bench Pro 62.1 分，是开放权重中处理完整代码库、多文件重构的最佳选择
• 网络安全与漏洞挖掘：GLM-5.3 的 CyberGym 84.5% 是开放权重独有的网络安全能力
• 需 MIT 合规的商业产品：与 DeepSeek V4、Gemma 4、Mistral Large 3、Phi-4 并列”最干净许可”阵营
• 国产算力适配需求方：Day 0 运行在华为昇腾等国产 NPU，是国产 AI 芯片上最成熟的前沿开放权重
• 成本敏感的高并发场景：每 token 成本约为同级闭源模型的 1/6，长程任务性价比突出
• 数据主权敏感的企业：MIT 许可 + 完全本地部署，满足金融、政企、科研的合规要求

 

安装与部署

 

1. 硬件需求参考

💡 GLM-5.2 采用 FP4（专家权重）+ BF16（其他权重）混合精度，部署时需推理引擎支持混合精度量化

 

2. 获取模型权重

从 Hugging Face 拉取官方权重（MIT 许可）：

# 当前已开源主干 GLM-5.2
huggingface-cli download zai-org/GLM-5.2

# GLM-5.3 权重预计 2026 年 8 月 28 日开源后可用
# huggingface-cli download zai-org/GLM-5.3

 

3. 通过 vLLM 部署（推荐生产环境）

# 安装 vLLM
pip install vllm

# 启动 GLM-5.2 服务
vllm serve zai-org/GLM-5.2 \
  --tensor-parallel-size 8 \
  --max-model-len 1000000 \
  --enable-reasoning

 

3. 通过 vLLM 部署（推荐生产环境）

# 安装 vLLM
pip install vllm

# 启动 GLM-5.2 服务
vllm serve zai-org/GLM-5.2 \
  --tensor-parallel-size 8 \
  --max-model-len 1000000 \
  --enable-reasoning

 

4. 通过 SGLang 部署

sglang serve --model-path zai-org/GLM-5.2 \
  --tp 8 \
  --context-length 1000000

 

5. 通过 Hugging Face Transformers 推理

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "zai-org/GLM-5.2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name, torch_dtype="auto", device_map="auto"
)

messages = [{"role": "user", "content": "解释 MoE 架构"}]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

 

6. 量化部署（消费级硬件运行小版本）

# GLM-4-9B 量化运行
python convert_hf_to_gguf.py zai-org/GLM-4-9B-Chat --outfile glm-4-9b-Q4_K_M.gguf
./llama-cli -m glm-4-9b-Q4_K_M.gguf -p "你的提示词" -n 512

 

7. 国产算力部署

GLM 系列已 Day 0 适配华为昇腾：

• 华为昇腾：使用 Ascend CANN + MindIE 推理引擎
• 海光/寒武纪：原生适配工程已在 GitHub 开源

 

8. 云端 API 调用（不想自托管）

通过 Z.ai 或 BigModel 开放平台（OpenAI 兼容）：

from openai import OpenAI

client = OpenAI(
    api_key="your-zai-api-key",
    base_url="https://api.z.ai/v1"
)

# GLM-5.2 已开源权重，API 同步可用
response = client.chat.completions.create(
    model="glm-5.2",
    messages=[{"role": "user", "content": "帮我分析这段代码"}]
)

# GLM-5.3 API（2026 年 8 月 14 日起，权重 8 月 28 日开源）
response = client.chat.completions.create(
    model="glm-5.3",
    messages=[{"role": "user", "content": "帮我挖掘这个开源项目的漏洞"}]
)

 

9. Claude Code / OpenCode 集成

GLM-5.2/5.3 已纳入 GLM Coding Plan，支持 Claude Code、OpenCode 等主流开发工具：

# Claude Code 配置示例
export ANTHROPIC_BASE_URL="https://api.z.ai/v1"
export ANTHROPIC_MODEL="glm-5.2"
claude

⚠️ 部署前请注意：当前（2026 年 8 月 20 日）可自托管的最新开放权重为 GLM-5.2；GLM-5.3 权重预计 8 月 28 日开源，具体许可条款以官方公告为准（预期为 MIT）。GLM 系列主要为文本模型，多模态需求请评估 GLM-5V-Turbo 或选用 Qwen3.8-27B、Gemma 4 等原生多模态开放权重。