GLM-4.5系列模型导读，综合能力更强的高性价比模型

全文概述

GLM-4.5系列模型采用MOE架构和混合推理模式，提升了推理、代码与智能体能力。其参数效率高，性能强，在多项基准测试中表现优异，尤其在智能体编程任务中表现出色。API调用成本低且速度快。

模型架构与特点

GLM-4.5系列包含两个主要模型：GLM-4.5（355B总参数）和GLM-4.5-Air（106B总参数），均采用MoE架构。混合推理模式提供思考模式和非思考模式，分别用于复杂推理和即时响应。

训练过程与优化

预训练阶段使用了15万亿tokens的通用语料库和7万亿tokens的代码与推理语料库。引入了无损负载均衡路由、sigmoid门控机制、GQA、部分旋转位置编码等技术，并使用Muon优化器加快收敛速度。

强化学习与后训练

通过基于难度的课程学习策略进行一阶段RL训练，结合动态采样温度机制提升训练稳定性。智能体编程任务使用可扩展策略自动构造样本，依赖实际软件工程任务中的执行反馈驱动训练。

评测性能对比

在12项行业标准基准测试中，GLM-4.5取得了63.2分的综合成绩，排名第三。在代码生成和智能体任务方面，GLM-4.5的表现优于多个竞争对手，如Kimi-K2和Qwen3-Coder。

真实数据评估

CC-Bench测试集评估显示，GLM-4.5在52个编码任务中表现出色，平均工具调用成功率达到90.6%。该测试涵盖前端开发、应用开发、UI/UX优化等多个领域，确保了模型在真实场景中的有效性。

API兼容性与成本

GLM-4.5 API兼容多种AI编程工具，如Claude Code、Gemini CLI等。API调用价格最低为输入0.8元/百万tokens，输出2元/百万tokens，具有较高的性价比。