本帖最后由 anyangmo 于 2026-2-23 08:42 编辑
GLM-5大模型官宣支持7大国产芯片平台：华为、寒武纪、摩尔线程等在列
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{过}{滤}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%。
| 
发表于 
