Z.ai представила GLM-5 — новую версию своей флагманской модели, ориентированную на сложную системную инженерию и долгие агентные сценарии. Модель почти вдвое выросла по размеру по сравнению с GLM-4.5 (с 355 до 744 млрд параметров) и получила больше обучающих данных — 28,5 трлн токенов. Разработчики делают ставку на масштабирование, продвинутый RL-посттрейнинг и снижение стоимости инференса.
-
Масштабирование архитектуры. GLM-5 — это 744 млрд параметров (40 млрд активных), что увеличивает вычислительную ёмкость модели по сравнению с предыдущими версиями.
-
Больше данных для обучения. Объём предобучения вырос до 28,5 трлн токенов против 23 трлн у GLM-4.5, что должно улучшить обобщение и устойчивость на сложных задачах.
-
DeepSeek Sparse Attention (DSA). Интеграция разреженного внимания снижает стоимость развёртывания, сохраняя поддержку длинного контекста (до 200K+ токенов в ряде тестов).
-
Асинхронная RL-инфраструктура slime. Новая система обучения с подкреплением повышает пропускную способность тренировки и позволяет чаще и точнее дообучать модель после предобучения.
-
Фокус на агентные и инженерные задачи. GLM-5 показывает рост на бенчмарках по рассуждению, программированию и управлению инструментами. На Vending Bench 2 (симуляция бизнеса на год вперёд) модель завершила с балансом $4 432 — лучший результат среди open-source моделей.
-
Инструментальный режим работы. Модель может генерировать готовые .docx, .pdf и .xlsx-файлы — от PRD до финансовых отчётов — и работать в режиме агента с несколькими инструментами.
GLM-5 отражает сдвиг от «чат-моделей» к рабочим системам, которые не только отвечают, но и выполняют долгие, многошаговые задачи. Упор на RL-инфраструктуру и агентные сценарии показывает, что конкуренция идёт уже не только за качество ответов, а за способность модели действовать автономно.
Модель распространяется с открытыми весами под лицензией MIT и поддерживает развёртывание не только на NVIDIA, но и на альтернативных чипах (Huawei Ascend, Cambricon и др.). Это усиливает её позиции в экосистеме open-source и снижает барьер для внедрения в корпоративные среды.
GLM-5 сокращает разрыв с закрытыми флагманами и показывает, что открытые модели постепенно приближаются к уровню лидеров в задачах рассуждения, кода и агентной автоматизации.
