GLM-5 от Z.ai: 744-миллиардная открытая модель MoE, сокращающая разрыв в агентном кодировании

Лиза Эрнст · 21.02.2026 · Искусственный интеллект · 9 мин

Выпуски продуктов на основе ИИ постоянны, но лишь немногие из них существенно сдвигают черту «что мы действительно можем выпустить с этим?» GLM-5 от Z.ai (Zhipu AI / Knowledge Atlas Technology) — один из таких выпусков: модель под лицензией MIT с четкой целью — агентный инжиниринг , что означает долгосрочные задачи, такие как отладка, рефакторинг, оркестровка инструментов и исследование в масштабах сети. Это также стратегический рубеж: Zhipu AI стала публичной компанией в Гонконге в начале 2026 года, а GLM-5 была анонсирована прямо в разгар напряженного соревновательного цикла среди китайских ИИ-лабораторий.

Источник: GLM-5 позиционирует себя как модель «агентного инжиниринга»: длинный контекст, использование инструментов и работа с программным обеспечением, а не только качество чата.

Краткое резюме: почему GLM-5 — это важно (и чем она не является)

• Открытые веса под MIT: веса выпущены для коммерческого использования (редкость при таком уровне производительности).
• Дизайн, ориентированный на агентов: оптимизирована для долгосрочных задач (агенты, вызов функций, работа с репозиториями).
• Масштаб MoE: 744 миллиарда общих параметров 40 миллиардов активных на токен.
• Детали маршрутизации экспертов: 256 общих экспертов , с 8 маршрутизируемыми экспертами на токен (плюс общие эксперты), оптимизированными для снижения накладных расходов на связь.
• Длинный контекст: поддерживает до 200 тыс. токенов, благодаря DeepSeek Sparse Attention (DSA).
• Сильное кодирование + агенты: основные показатели включают 77.8 в SWE-bench Verified и 56.2 / 60.7 в Terminal-Bench 2.0 (верифицированная версия).
• Сдвиг в надежности: Artificial Analysis сообщает -1 об AA-Omniscience (меньше галлюцинаций) благодаря улучшенному поведению при отказе. 2.0 (верифицированная версия).
• Важное ограничение: GLM-5 только текстовая (нет нативной обработки изображений).
• Проверка реальности: нативные веса BF16 огромны (~1,49 ТБ занимаемой памяти); большинство людей будут использовать FP8 или API.

Почему GLM-5 важна: возможности, открытость и стратегия оборудования

Большинство «передовых» возможностей скрыто за проприетарными API. GLM-5 интересна тем, что пытается объединить три вещи: (1) высокопроизводительные агенты на публичных бенчмарках, (2) открытая доступность под разрешительной лицензией и (3) готовность экосистемы, не основанной на NVIDIA (Z.ai заявляет о полной оптимизации стека на нескольких отечественных платформах чипов; Reuters также отмечала вывод на китайских чипах, включая Huawei Ascend и другие).

Если вы разработчик или команда, создающая инструменты, ценность очевидна: модели с открытыми весами — это единственный практический путь к глубокой кастомизации, локальному развертыванию и повторяемой оценке. Но история «открытости» GLM-5 имеет нюанс: она с открытыми весами, но чрезвычайно велика — что означает, что экономика развертывания определяет, кто действительно может использовать ее локально.

Сводная таблица бенчмарков: цифры, которые цитируют (с контекстом)

Ниже представлена компактная сводная таблица, основанная на бенчмарках из официальной карточки модели GLM-5 (та же таблица, что сравнивает с DeepSeek-V3.2, Kimi K2.5, Claude Opus 4.5, Gemini 3 Pro и вариантами GPT-5.2). Ключ: посмотрите, какие бенчмарки соответствуют вашей рабочей нагрузке.

Основные результаты бенчмарков (GLM-5 против выбранных передовых аналогов)

Почему важны настройки бенчмарков (и что раскрывают авторы GLM-5)

Полезная деталь: карточка модели GLM-5 включает примечания об оценке (фреймворки, тайм-ауты, размеры контекста). Например, SWE-bench использует OpenHands с настроенным промптом, а Terminal-Bench запускается через Terminus с ограничениями по ЦП/ОЗУ. Они также публикуют «верифицированный» набор данных Terminal-Bench 2.0 для решения неоднозначных инструкций и проблем с окружением — это именно та прозрачность, которая делает результаты более действенными.

Архитектура: 744B MoE + DSA Long Context (200K токенов)

GLM-5 — это модель Mixture-of-Experts (MoE): огромная общая мощность, но только часть активна на токен. В техническом отчете GLM-5 описывается как 744 миллиарда общих параметров с 40 миллиардами активных. Тот же отчет содержит список из 256 общих экспертов, с 8 маршрутизируемыми экспертами на токен, и архитектуру, оптимизированную для снижения накладных расходов на параллельную обработку экспертов (например, меньше слоев по сравнению с предыдущими вариантами).

Длинный контекст — это не просто «больше токенов»: он требует архитектурных и программных изменений, чтобы избежать снижения качества внимания. GLM-5 интегрирует DeepSeek Sparse Attention (DSA) для сохранения долгосрочных контекстных возможностей при одновременном снижении затрат на вычисления. В представлении технического отчета DSA добавляет индексатор, который извлекает k наиболее важных пар ключ-значение и вычисляет внимание разреженно по этому подмножеству — дизайн, который улучшает как эффективность обучения, так и вывода, не жертвуя пониманием на больших расстояниях.

«Slime»: инфраструктура пост-обучения для масштабирования RL агентов

Источник: thudm.github.io

Slime описывается как асинхронная инфраструктура обучения с подкреплением, которая отделяет генерацию роллаутов от обучения, стремясь масштабировать RL агентов без узких мест синхронизации.

Маркетинговый заголовок — «асинхронный RL», но более глубокая мысль — это инфраструктура: масштабирование пост-обучения агентов обычно ограничено синхронизацией и пропускной способностью роллаутов. Отчет GLM-5 описывает конвейер, который отделяет генерацию от обучения, улучшая использование ГП и позволяя гораздо более широкое исследование траекторий агентов. Кроме того, они предлагают асинхронные алгоритмы RL агентов, предназначенные для улучшения планирования и самокоррекции при долгосрочных взаимодействиях.

Это разница между моделью, которая пишет хороший код в изоляции, и моделью, которая выживает в хаотичной реальности реальных систем: вывод инструментов шумный, промежуточные шаги терпят неудачу, а агент должен сохранять состояние на протяжении многих ходов. Авторы GLM-5 явно измеряют это, используя долгосрочные оценки, такие как Vending Bench 2.

Надежность: меньше галлюцинаций благодаря лучшему воздержанию

Галлюцинации — это тихий убийца «агентной продуктивности». Если агент уверенно придумывает сигнатуры функций или поведение API, вы получаете дорогостоящие циклы отладки и хрупкую автоматизацию. Artificial Analysis сообщает, что GLM-5 достигает -1 по индексу AA-Omniscience — что описывается как значительное улучшение по сравнению с GLM-4.7. Важный нюанс: это улучшение, по-видимому, связано с большим количеством воздержаний (модель охотнее отвечает «я не знаю», чем угадывает).

Стоимость и доступность: открытые веса, дорогая реальность

GLM-5 «открыта» в лицензионном смысле, но это все еще модель передового масштаба. Artificial Analysis оценивает, что хранение весов в нативном BF16 требует около 1490 ГБ памяти — что фактически ограничивает истинное самостоятельное размещение организациями с серьезными кластерами ГП. Именно поэтому экосистема сосредоточена на вариантах FP8 и сторонних поставщиках вывода.

Если вы оцениваете GLM-5 для производства, есть три реалистичных пути:

1. API-first (первая сторона Z.ai или сторонние поставщики): самое быстрое время до получения ценности, самое простое масштабирование.
2. FP8 self-host (для команд с инфраструктурой ГП): хороший компромисс между стоимостью и производительностью.
3. BF16 self-host (редко): максимальная точность, максимальная боль в оборудовании.

Локальное обслуживание GLM-5 (минимальные, практичные указания)

Официальная карточка модели перечисляет поддерживаемые стеки вывода, включая vLLM и SGLang. Если вам нужна быстрая проверка «работает ли это в моей среде?», начните с весов FP8 и одиночного конечного точки, совместимого с OpenAI.

# Пример: vLLM (ночной) + последняя версия Transformers (согласно руководству карточки модели)
pip install -U vllm --pre --index-url https://pypi.org/simple --extra-index-url https://wheels.vllm.ai/nightly
pip install git+https://github.com/huggingface/transformers.git

# Пример: SGLang через Docker (проверьте карточку модели для тегов и инструкций по оборудованию)
docker pull lmsysorg/sglang:glm5-hopper

Как GLM-5 сравнивается по «качеству чата» (Chatbot Arena)

Бенчмарки, такие как SWE-bench или Terminal-Bench, говорят о инженерных способностях. Но как насчет чистого предпочтения в разговорной речи? На GLM-5 набирает 1455±8 и занимает место среди примерно 15 лучших моделей в целом. Самый верх этого списка по-прежнему занят проприетарными системами, такими как Claude Opus 4.6.

Перевод: GLM-5 — это не просто «модель с цифрами». Она также сильна в общем чате — но ее определяющее преимущество остается в агентном инжиниринге + открытости, а не в том, чтобы быть единственной лучшей чат-моделью по Эло.

Кому стоит использовать GLM-5 (а кому нет)

GLM-5 — хороший выбор, если вы…

• создаете инструменты для разработчиков, кодирующих агентов или внутреннюю автоматизацию, которая выполняется много шагов.
• нуждаетесь в открытых весах под разрешительной лицензией для кастомизации или локальных ограничений.
• заботитесь о долгосрочных рабочих процессах (многофайловые кодовые базы, большие документы, длинные транскрипты).
• хотите модель, которая охотнее воздерживается, чем галлюцинирует в доменах высокого риска.

GLM-5 не идеальна, если вы…

• нуждаетесь в нативном мультимодальном вводе (изображения) — GLM-5 только текстовая.
• хотите простую локальную установку на потребительское оборудование (модель BF16 огромна).
• нуждаетесь только в случайном чате; меньшие модели или более дешевые конечные точки могут быть более экономически эффективными.

Заключение

GLM-5 — один из самых четких сигналов на сегодняшний день о том, что модели «с открытыми весами» могут быть убедительными претендентами в области агентного инжиниринга — не за счет соответствия каждой передовой модели по каждому показателю, а за счет фокусировки на задачах, которые важны для реальных систем: долгосрочное поведение, оркестровка инструментов и работа с программным обеспечением. Самый сильный аргумент — это не одна строчка бенчмарка, а комбинация масштаба MoE, DSA с длинным контекстом и инфраструктуры RL агентов, разработанной для обеспечения стабильного поведения агентов.

Если вы выбираете модель для создания продуктов, а не демо-версий, GLM-5 заслуживает серьезной оценки — особенно если открытое лицензирование и агентные рабочие процессы являются центральными для вашей дорожной карты.

Часто задаваемые вопросы (FAQ)