“全球大模型第一股” 公开技术细节

2月22日，智谱发布技术报告，全面解读GLM-5的技术细节。 从技术导向而言，此前AI编程范式属于"Vibe Coding"（氛围编程），即程序员手动提示AI生成代码，较为依赖人力，效率有瓶颈。 GLM-5瞄准的是Agentic Engineering（智能体工程），要求AI不再只是辅助工具，而是一个可以自主规划、执行、迭代的"虚拟工程 师"。 得益于此，智谱将模型参数规模扩展至744B（7440亿），同时将训练token规模提升至28.5T（28.5万亿）。 第二，更快的"学习"方式。GLM-5构建并完善了一套名为"slime"的异步强化学习基础设施，这是其训练效率取得突破的核心。传统的 强化学习训练效率相对较低，slime将"生成任务轨迹"和"模型参数更新"解耦，即将这两个过程分开后同时进行。这就像一边让AI在实 践中不断尝试，一边后台同步总结经验教训，极大提升了训练效率。 第三，更聪明的"决策"算法。GLM-5提出了全新的异步Agent RL算法。这一算法针对动态环境下的规划与自我纠错能力进行了深度优 化，这使得模型能够从海量的、多步骤的交互中持续学习，优化其在动态环境中的规划、执行和自我纠错能力。 第 ...