GLM-5 系列模型演化历程

智谱AI（Z.ai）的 GLM 系列从 GLM-5 到 GLM-5.2 经历三次重大迭代，每次均有明确的技术突破点：架构基础 → Agent 持久性 → 极致长上下文与编码效率。本文基于多源深度调研（101 个子代理、19 个源、94 条 claim、3-投票对抗验证）梳理完整演化路径。

Open: Pasted image 20260620141932.png

演化总览

timeline
    title GLM-5 系列演化时间线
    section GLM-5 (2026-02-12)
        首次集成 DeepSeek Sparse Attention : MoE 架构从 355B/32B 扩至 744B/40B
        预训练数据从 23T 增至 28.5T tokens : 面向复杂系统工程与长程 Agent
    section GLM-5.1 (2026-04-07)
        定位 agentic engineering 旗舰 : 克服早期策略耗尽问题
        支持最长 8 小时自主工作 : 多轮 SFT+RL+过程质量评估
    section GLM-5.2 (2026-06-16)
        上下文从 200K 扩至 1M tokens : 引入 IndexShare 架构
        编码评测开源 SOTA : 仅次于闭源 Claude Opus 4.8

架构演化

flowchart TB
    subgraph GLM4["GLM-4.5 基线"]
        A1["355B 总参数<br>32B 活跃参数"]
        A2["23T 预训练 tokens"]
        A3["传统注意力机制"]
    end

    subgraph GLM5["GLM-5 — 架构突破"]
        B1["744B 总参数<br>40B 活跃参数"]
        B2["28.5T 预训练 tokens"]
        B3["DeepSeek Sparse Attention<br>DSA — 稀疏注意力"]
        B4["slime 异步 RL 基础设施<br>开源: THUDM/slime"]
    end

    subgraph GLM51["GLM-5.1 — Agent 持久性"]
        C1["多轮 SFT + RL<br>+ 过程质量评估框架"]
        C2["克服早期策略耗尽<br>600+迭代持续有效"]
        C3["最长 8h 自主工作"]
    end

    subgraph GLM52["GLM-5.2 — 长上下文革命"]
        D1["1M 上下文窗口<br>5x于前代 200K"]
        D2["IndexShare 架构<br>每4层共享轻量索引器"]
        D3["per-token FLOPs 降低 2.9x<br>mid-training 128K 序列训练"]
        D4["编码开源 SOTA"]
    end

    GLM4 --> GLM5
    GLM5 --> GLM51
    GLM51 --> GLM52

    style GLM5 fill:#1a1a2e,stroke:#e94560,color:#fff
    style GLM51 fill:#16213e,stroke:#0f3460,color:#fff
    style GLM52 fill:#0f3460,stroke:#533483,color:#fff

关键架构对比

特性	GLM-4.5	GLM-5	GLM-5.1	GLM-5.2
总参数	355B	744B	744B*	744B*
活跃参数	32B	40B	40B*	40B*
预训练数据	23T	28.5T	—	—
注意力机制	传统	DSA（稀疏）	DSA	DSA + IndexShare
上下文窗口	—	200K	200K	1M
核心定位	通用	系统工程+Agent	Agentic Engineering	长上下文+编码
开源许可	—	MIT	MIT	MIT

⚠️ *GLM-5.1 和 GLM-5.2 的参数规模未获独立确认（对抗验证中 1-2 vote 被否决），但官方博客声明与 GLM-5 相同规格。Design Arena 独立分析也确认 GLM-5.2 与 GLM-5.1 "same size at 744 billion parameters"。

IndexShare 架构详解

flowchart LR
    subgraph 传统DSA["传统 DSA（每层独立索引器）"]
        L1["层1: 独立索引器<br>点积 + topk"]
        L2["层2: 独立索引器<br>点积 + topk"]
        L3["层3: 独立索引器<br>点积 + topk"]
        L4["层4: 独立索引器<br>点积 + topk"]
    end

    subgraph IndexShare["IndexShare（每4层共享）"]
        I1["层1: 轻量索引器<br>点积 + topk"]
        I2["层2: 复用层1 topk<br>❌ 省去点积+topk"]
        I3["层3: 复用层1 topk<br>❌ 省去点积+topk"]
        I4["层4: 复用层1 topk<br>❌ 省去点积+topk"]
    end

    传统DSA -->|IndexShare 改进| IndexShare

    style IndexShare fill:#0f3460,stroke:#533483,color:#fff
    style I2 fill:#533483,stroke:#e94560,color:#fff
    style I3 fill:#533483,stroke:#e94560,color:#fff
    style I4 fill:#533483,stroke:#e94560,color:#fff

IndexShare 核心机制：

每 4 个稀疏注意力层共享一个轻量索引器
索引器放置在第 1 层，计算点积 + topk
后续 3 层直接复用 topk 索引，省去 3/4 层的索引器点积和 topk 运算
在 1M 上下文下，per-token FLOPs 降低 2.9x
从 mid-training 阶段起以 128K 序列长度训练

💡 注意：理论 FLOPs 降低（2.9x）与实际 wall-clock 加速有差距。arxiv 论文 2603.12201 报告 IndexCache 的实际加速为 1.82x prefill / 1.48x decode——这是 wall-clock 指标而非理论 FLOPs，度量口径不同。

编码能力演进

xychart-beta
    title "编码 Benchmark 评分演进"
    x-axis ["NL2Repo", "SWE-Bench Pro", "Terminal-Bench 2.1"]
    y-axis "评分" 0 --> 100
    bar [35.9, 55.1, 0]
    bar [42.7, 58.4, 63.5]
    bar [0, 62.1, 81.0]

Benchmark	GLM-5	GLM-5.1	GLM-5.2	差值 (5→5.1)	差值 (5.1→5.2)
NL2Repo	35.9	42.7	—	+6.8	—
SWE-Bench Pro	55.1	58.4	62.1	+3.3	+3.7
Terminal-Bench 2.1	—	63.5	81.0	—	+17.5
FrontierSWE	—	—	74.4	—	—

📊 Terminal-Bench 的 +17.5 分跃升是 GLM-5.2 最显著的编码进步；SWE-Bench 的 +3.7 分为 modest 提升。注意：部分第三方源报告 GLM-5.1 Terminal-Bench 为 62.0（而非 63.5），官方澄清这是 Terminus-2 harness vs Best Reported harness 的配置差异。

前端/设计能力

GLM-5.2 在 Design Arena 的单轮 HTML Web Design 评测中排名 第 1（超越 Claude Fable 5、Opus 4.6/4.7），详见 📝 How GLM-5.2 Beat Fable 5 at Website Design。

关键特征：

91% 会话使用 TailwindCSS，51% 使用 font-awesome
对 chart.js、three.js 等依赖库调用更自然，6.0 百分点胜率提升
生成代码量 25%更多，平均耗时 304.7 秒（2x于 Fable 5）
价格优势显著：$1.40/$4.40 per 1M tokens vs Fable 5 的 $10/$50

GLM-5.1：从策略耗尽到长程自主

flowchart LR
    subgraph 问题["GLM-5 的局限"]
        P1["早期耗尽策略<br>性能较早停滞"]
    end

    subgraph 方案["GLM-5.1 的突破"]
        S1["多轮 SFT + RL"]
        S2["过程质量评估框架"]
        S3["600+迭代持续有效"]
    end

    subgraph 验证["验证案例"]
        V1["Linux 桌面构建"]
        V2["向量DB优化<br>21.5k QPS"]
        V3["最长 8h 自主工作"]
    end

    问题 --> 方案 --> 验证

    style 问题 fill:#e94560,stroke:#c0392b,color:#fff
    style 方案 fill:#0f3460,stroke:#533483,color:#fff
    style 验证 fill:#16213e,stroke:#0f3460,color:#fff

GLM-5.1 的核心定位：agentic engineering 旗舰模型，不是通用能力的全面提升，而是针对性解决"Agent 任务中模型早期策略耗尽后性能停滞"的问题。

验证细节：

SIFT-1M 向量搜索优化中，GLM-5 在较早迭代后停滞，而 GLM-5.1 在 600+ 迭代后仍持续发现有意义改进
官方文档声明支持最长 8 小时自主工作（规划→执行→迭代优化）
已知局限：Claude Opus 4.6 在 KernelBench Level 3 上仍优于 GLM-5.1（4.2x vs 3.6x）

技术迭代脉络

mindmap
    root((GLM-5 系列演化))
        架构层
            MoE 扩展<br>355B/32B → 744B/40B
            DSA 稀疏注意力<br>GLM-5 引入
            IndexShare<br>GLM-5.2 引入<br>每4层共享索引器
            slime RL 基础设施<br>异步训练 + 开源
        训练层
            预训练数据<br>23T → 28.5T tokens
            多轮 SFT + RL<br>GLM-5.1 核心
            过程质量评估<br>GLM-5.1 新增
            mid-training 128K<br>GLM-5.2 IndexShare 训练
        能力层
            系统工程 + Agent<br>GLM-5 定位
            程自主工作<br>GLM-5.1 8h
            1M 长上下文<br>GLM-5.2 核心
            编码 SOTA<br>GLM-5.2 开源最强
        基础设施
            MIT 开源许可<br>全部三代
            slime 异步 RL<br>THUDM/slime
            多阶段发布<br>API → 开源权重

注意事项与局限

⚠️ 自评估偏差

几乎所有 benchmark 数据均为智谱 AI 自报告。llm-stats 对 NL2Repo 标记 "zero independent verification"。虽然部分数据出现在 BenchLM 等独立追踪器上，但缺乏第三方复现。

⚠️ 营销措辞 vs 技术事实

官方表述	实际含义
"lossless（无损）长上下文"	独立源用更审慎的 "solid/stable"
"wide margin lead"	仅指与前代的差距，非全局领先
"开源 SOTA"	仅限开源模型范畴（闭源 Claude Opus 4.8 仍领先）

⚠️ 发布日期歧义

GLM-5.2 的"6月16日发布"实际包含多阶段：

6月13日：Coding Plan 订阅用户可用
6月16日：API / 广泛可用
6月17日：开源权重发布

⚠️ 未确认问题

GLM-5.1/5.2 的具体参数规模是否与 GLM-5 一致（744B/40B）？
IndexShare 的 wall-clock 加速（1.82x/1.48x）远低于理论 FLOPs 降低（2.9x），瓶颈因素是什么？
GLM-5.1 的 8h 自主工作能力是否仅限于编码 demo？
GLM-5.2 的前端/后端提升声明缺乏独立 benchmark 数据

⚠️ 时效性

GLM-5.2 发布仅 4 天（2026-06-16），独立深度评测尚少，benchmark 数据可能随第三方复现而修正。

被否决的 Claim（对抗验证淘汰）

以下 claim 经 3-投票对抗验证后被否决（0-3 或 1-2 vote），不应采信：

被否决 Claim	Vote	原因
GLM-5.1 与 Claude Opus 4.6 全面对齐	0-3	过度夸大，未获任何验证者支持
三代共享 744B/40B MoE 架构	1-2	参数规模未获独立确认
GLM-5 早期耗尽策略而停滞	0-3	说法过于绝对，缺乏独立证据
GLM-5.1 SWE-Bench Pro 超越 GPT-5.4/Opus 4.6 达全局 SOTA	0-3	与已知评测数据矛盾
GLM-5.2 为 753B 参数	0-3	与官方 744B 声明矛盾
GLM-5.2 "lossless" 1M 上下文	1-2	"lossless" 为营销措辞

本文基于深度调研（101 子代理、19 源、94 claim、3-投票对抗验证）生成，置信度分级标注。更新日期：2026-06-20。

GLM-5 系列模型演化历程 #

演化总览 #

架构演化 #

关键架构对比 #

IndexShare 架构详解 #

编码能力演进 #

前端/设计能力 #

GLM-5.1：从策略耗尽到长程自主 #

技术迭代脉络 #

注意事项与局限 #

⚠️ 自评估偏差 #

⚠️ 营销措辞 vs 技术事实 #

⚠️ 发布日期歧义 #

⚠️ 未确认问题 #

⚠️ 时效性 #

被否决的 Claim（对抗验证淘汰） #