《GLM-5：从氛围编程到智能体工程》

要解决的问题

GLM-5 的技术报告由智谱（Zhipu）的 GLM-5-Team 完成，作者名单由 Aohan Zeng、Xin Lv、Zhenyu Hou 领衔，于 2026 年 2 月 17 日提交到 arXiv，编号 2602.15763 ^[1]。报告把 GLM-5 定位为把范式从「氛围编程」（vibe coding）推进到「智能体工程」（agentic engineering）的一代基础模型 ^[1]。

这两种说法的差别在于对模型的要求。氛围编程是让模型按提示把代码写出来，人基本照单全收，一次一轮；智能体工程则要求模型把一个工程任务从头做到尾，自己规划、改文件、运行、检查，像一个代理在干活，而不是一个只回答一次问题的助手。报告称 GLM-5 建立在前代模型的智能体、推理与编程（agentic, reasoning and coding，ARC）能力之上 ^[1]。

稀疏注意力与大规模混合专家

模型架构上最关键的选择是 DSA，即 DeepSeek 稀疏注意力（DeepSeek Sparse Attention），它按 token 的重要性来分配注意力 ^[1]。通常的注意力要对之前每一个 token 都算一遍，成本随上下文长度增长；按重要性分配之后，训练和推理成本都大幅下降，同时保持长上下文的保真度 ^[1]。在这套注意力之下，模型的参数量扩展到 7440 亿，每个 token 激活 400 亿，采用混合专家（mixture-of-experts）架构 ^[1]。

混合专家架构的做法是让路由器把每个 token 只送给网络中的一小部分，因此模型「总共记住多少」和「每个 token 花多少计算」可以分开增长。GLM-5 之所以能做得这么大，而单个 token 的开销由 400 亿激活参数决定，原因就在这里。

异步的后期训练

报告提出了一套新的异步强化学习基础设施，把生成与训练解耦，以提高后期训练（post-training）的效率 ^[1]。报告还提出了异步的智能体强化学习算法，使模型能够从复杂的长程交互中学习 ^[1]。

这样做的原因很直接：用强化学习训练一个智能体，模型要连续走很多步才拿到一次奖励，如果训练端在模型生成时只能干等，时间就大量浪费在空转上。把生成和训练拆开，训练循环的两端就可以同时跑起来。

结果

报告称 GLM-5 在主要的公开基准上达到当前最好水平 ^[1]。报告特别强调了真实场景中的编程能力：在端到端的软件工程任务上，GLM-5 超过了此前的基线 ^[1]。代码与模型随报告一同发布 ^[1]。

为什么重要

这项工作的看点不在于某一个分数，而在于报告并排放着的两个主张。一个是能力层面的：目标已经不是在补全一个函数，而是完整做完一个工程任务，基准的选择和智能体强化学习算法都服务于这一点。另一个是成本层面的：稀疏注意力与混合专家的组合，是用来让一个 7440 亿参数的模型仍然可训练、可服务的杠杆，其中每个 token 激活 400 亿参数。

把代码与模型同报告一起公开，意味着这套架构和训练方法可以被别人查看和复用，而不必只凭报告相信 ^[1]。对于想弄清编程模型正在往哪走的人来说，这份报告相当集中地写出了其中一个方向：更长程的自主工作，靠更便宜的注意力和不互相等待的后期训练流水线来支付开销。