GLM-5：Agentic Engineering

简介

适合人群

想用开源模型做 Agent / 复杂系统工程、或想对比开源模型与前沿闭源模型在长程任务上差距的开发者与研究者。

核心内容

1. 01GLM-5 是什么：为「Agent 工程」而生的模型系列

   GLM-5 不是教程而是模型 + 部署文档：技术报告题目就叫 From Vibe Coding to Agentic Engineering。GLM-5 相比 GLM-4.5 从 355B 参数（32B active）扩展到 744B 参数（40B active），预训练数据从 23T 增到 28.5T token，并集成 DeepSeek Sparse Attention 以降低部署成本、保住长上下文能力。它定位复杂系统工程与长程 Agent 任务，在 CC-Bench-V2 上显著超过 GLM-4.7，逼近 Claude Opus 4.5。

2. 02「From Vibe Coding to Agentic Engineering」如何落地

   GLM-5.1 的核心卖点不是首次生成效果，而是长程任务上的持续有效性：把复杂问题拆解、跑实验、读结果、精确定位阻塞点，通过反复迭代修正策略，能在数百轮、数千次工具调用上维持优化——跑得越久结果越好。GLM-5 在 Vending Bench 2（模拟经营一年期的售货机生意）上开源模型第一，期末账户余额 4,432 美元，逼近 Claude Opus 4.5，体现长期规划与资源管理能力。

3. 03三代模型的分工：GLM-5 / 5.1 / 5.2

   GLM-5 面向复杂系统工程与长程 Agent 任务；GLM-5.1 是 agentic engineering 旗舰，在 SWE-Bench Pro 上 SOTA，并在 NL2Repo（仓库生成）和 Terminal-Bench 2.0 上大幅领先 GLM-5；GLM-5.2 则是长程任务旗舰，首次提供稳定的 1M token 上下文，编码能力分多档思考强度可调，并引入 IndexShare 架构（每四层稀疏注意力共享同一 indexer，1M 上下文下每 token FLOPs 降 2.9 倍）。在 Terminal-Bench 2.1 上 5.2 拿下 81.0（对比 5.1 的 62.0），距闭源前沿 Claude Opus 4.8 的 85.0 仅数分之差。

4. 04本地部署：多框架支持 + 思考预算控制

   模型提供 BF16 与 FP8 精度权重（744B-A40B），支持 SGLang、vLLM、Transformers、KTransformers、Unsloth 等推理框架，Ascend NPU 平台也通过 vLLM-Ascend / xLLM / SGLang 支持。GLM-5 通过 reasoning_effort 参数控制思考预算，max 为默认、high 需显式传入（enable_thinking=false 可完全关闭思考）；复现 benchmark 保持默认 max 即可。

5. 05微调：异步 RL 基建 Slime + ms-swift

   仓库给出两条微调路径：Slime 是 GLM 团队自研的异步强化学习基建，大幅提升训练吞吐与效率，使更细粒度的后训练迭代成为可能；ms-swift 支持 SFT、PPO、GRPO。想复现论文实验或做领域适配，官方提供了 Hugging Face 与 ModelScope 双平台权重下载。

实践建议

• 在 Hugging Face 或 ModelScope 下载对应精度（BF16 / FP8）的权重，用 SGLang 或 vLLM 起本地推理，拿一条长程 Agent 任务实测它的持续产出能力。
• 并行对比 GLM-5 / 5.1 / 5.2 三代的定位差异，体会「首次正确率」与「长程保持产出」是两件不同的事。
• 调 reasoning_effort（max / high）与 enable_thinking=false，实测不同思考预算下的延迟与质量权衡；复现 benchmark 时保持默认 max。
• 读一遍技术报告里的 Vending Bench 2 与 Terminal-Bench 2.1 结果，理解「agentic engineering」与「vibe coding」在评估口径上的区别。

配套工作流

同类资源