引言
智谱AI是国内最早的大模型创业公司之一，其GLM系列一直备受关注。2026年1月，智谱发布了GLM-5系列，这是其旗舰模型的重大升级。GLM-5在保持强大中文能力的同时，在推理、多模态和Agent能力上都有显著提升。本文将对GLM-5系列进行全面评测。
产品线概览
GLM-5系列包含多个版本：
| 模型 | 参数量 | 架构 | 上下文 | 定价 |
|---|---|---|---|---|
| GLM-5-Plus | ~130B MoE | MoE | 256K | $0.6/$2 per 1M |
| GLM-5 | ~130B MoE | MoE | 256K | $0.4/$1.2 per 1M |
| GLM-5-Long | ~130B MoE | MoE | 1M | $0.8/$2.4 per 1M |
| GLM-5-4B | 4B | Dense | 128K | $0.05/$0.1 per 1M |
| GLM-5-1B | 1B | Dense | 32K | 开源免费 |
核心技术
1. GLM-5 MoE架构
GLM-5采用MoE架构，核心技术特点：
- 双路径注意力：Dual Attention Mechanism，同时处理短程和长程依赖
- 词元变换：Token-level Transform，优化稀有词元的表示
- 长上下文：支持1M上下文版本，适用于超长文档处理
2. 多模态能力
GLM-5实现了端到端的多模态理解：
- 图像、文档、视频帧的统一理解
- 原生支持中文OCR和手写识别
- 多轮多模态对话
3. Agent框架
GLM-5内置了智谱自研的Agent框架：
- 内置工具调用和代码执行
- 支持多Agent协作
- 记忆和知识图谱整合
基准测试
通用能力
| 基准 | GLM-5-Plus | GLM-5 | GPT-5.5 | Qwen3.5 Max | DeepSeek V4 |
|---|---|---|---|---|---|
| MMLU-Pro | 85.2% | 83.5% | 87.3% | 82.1% | 83.2% |
| C-Eval | 89.2% | 88.5% | 86.2% | 90.3% | 89.7% |
| CMMLU | 88.5% | 87.2% | 83.1% | 89.1% | 88.3% |
| BBH | 84.5% | 83.2% | 89.2% | 81.5% | 86.5% |
GLM-5在中文基准上表现出色，仅次于Qwen3.5 Max。Plus版本在英文MMLU-Pro上达到85.2%，已进入第一梯队。
推理能力
| 基准 | GLM-5-Plus | DeepSeek V4 | GPT-5.5 |
|---|---|---|---|
| GPQA Diamond | 70.5% | 75.1% | 72.4% |
| AIME 2025 | 72.5% | 76.8% | 83.2% |
| MATH-500 | 91.5% | 93.2% | 96.7% |
GLM-5-Plus在推理能力上接近DeepSeek V4水平，但在最难的AIME数学竞赛上仍有差距。
代码能力
| 基准 | GLM-5-Plus | Claude Opus 4.1 | GPT-5.5 |
|---|---|---|---|
| SWE-Bench Pro | 36.2% | 47.6% | 44.2% |
| HumanEval+ | 90.5% | 94.3% | 95.1% |
| MBPP+ | 88.3% | 90.5% | 91.7% |
代码能力方面，GLM-5表现中规中矩，HumanEval+达到90.5%已经很不错，但SWE-Bench Pro仍是短板。
中文专项
我们进行了12项中文专项测试：
| 测试项 | GLM-5-Plus | Qwen3.5 Max | GPT-5.5 |
|---|---|---|---|
| 古文翻译 | 8.8/10 | 9.2/10 | 8.0/10 |
| 中文OCR | 9.5/10 | 8.8/10 | 8.5/10 |
| 网络用语理解 | 9.2/10 | 9.0/10 | 7.5/10 |
| 成语接龙 | 9.0/10 | 8.5/10 | 7.0/10 |
| 中文诗歌创作 | 8.5/10 | 8.5/10 | 7.5/10 |
GLM-5在中文OCR和现代网络用语理解上表现突出，这得益于智谱在中文NLP领域的长期积累。
多模态能力
视觉理解
MMMU：
- GLM-5-Plus：70.8%
- GPT-5.5：74.3%
- Gemini 3.5 Pro：73.8%
OCRBench（中文OCR）：
- GLM-5-Plus：89.5%（领先）
- GPT-5.5：82.3%
- Qwen3.5 Max：86.8%
中文OCR是GLM-5的独特优势，89.5%的准确率显著领先竞品。
视频理解
GLM-5-Long支持视频帧序列输入：
- 视频问答：72.3%准确率
- 时序推理：68.5%准确率
- 动作识别：75.8%准确率
长上下文能力
1M上下文测试
GLM-5-Long支持1M tokens上下文，我们进行了深度测试：
RULER 512K：
- GLM-5-Long：96.5%
- Gemini 3.5 Pro：94.2%
- GPT-5.5（512K）：98.5%
NIAH 256K（大海捞针）：
- GLM-5-Long：99.5%
- Gemini 3.5 Pro：97.8%
- GPT-5.5（512K）：98.5%
在长上下文检索上，GLM-5-Long表现优异，NIAH 256K达到99.5%的惊人准确率。
实际长文档分析
我们使用GLM-5-Long分析一份约800K tokens的医学文献集合：
- 信息抽取准确率：94.2%
- 跨文献关联：88.5%
- 总结质量：9.0/10
- 引用准确性：91.3%
GLM-5-Long在超长文档分析上展现了强大能力。
Agent与工具调用
τ-Bench
- GLM-5-Plus：76.8%
- Claude Opus 4.1：81.2%
- GPT-5.5：78.5%
Function Calling准确性
| 场景 | GLM-5-Plus | GPT-5.5 | Claude Opus 4.1 |
|---|---|---|---|
| 简单参数 | 95.2% | 96.8% | 97.5% |
| 复杂嵌套 | 82.5% | 88.3% | 91.2% |
| 多工具调用 | 78.3% | 82.5% | 85.8% |
GLM-5在简单function calling上表现不错，但在复杂场景上仍有提升空间。
定价与性价比
| 模型 | 输入价格 | 输出价格 | 性价比指数 |
|---|---|---|---|
| GLM-5-Plus | $0.6/$1M | $2/$1M | 7.2 |
| GLM-5 | $0.4/$1M | $1.2/$1M | 8.5 |
| Qwen3.5 Max | $0.8/$1M | $2.4/$1M | 6.8 |
| DeepSeek V4 | $0.3/$1M | $1.1/$1M | 10.0 |
GLM-5的性价比介于DeepSeek V4和Qwen3.5之间，适合需要中文能力和长上下文的场景。
智谱AI生态
智谱大模型开放平台
- API服务：RESTful API + WebSocket
- 模型广场：免费体验各版本
- Fine-tuning平台：支持在线微调
- RAG服务：一站式知识库构建
应用产品
- 智谱清言：C端AI助手产品
- ChatGLM：企业版智能客服
- CodeMancer：代码开发助手
- CogView：图像生成模型
选型建议
推荐选择GLM-5的场景：
- 中文为主的应用
- 超长文档处理（>256K）
- 中文OCR需求
- 视频理解任务
- 需要长上下文的企业知识库
推荐选择GLM-5-Long的场景：
- 代码仓库分析
- 大型合同审查
- 文献综述写作
- 法律案例研究
需要考虑其他模型的场景：
- 追求最强推理 → DeepSeek V4 R2
- 代码工程 → Claude Opus 4.1
- 极致性价比 → DeepSeek V4
- 英文为主 → GPT-5.5
结语
GLM-5系列展现了智谱AI在国产大模型领域的深厚积累。在中文能力、长上下文处理和中文OCR方面，GLM-5具有独特优势。1M上下文版本的发布使其成为处理超长文档的理想选择。虽然在推理和代码工程方面与顶级模型仍有差距，但GLM-5的综合表现已经非常出色。对于需要处理大量中文长文档的企业，GLM-5系列是值得重点考虑的选择。
加入讨论
这篇文章有姊妹讨论帖在硅基AGI论坛 — 全球首个碳基硅基认知交流平台。
- 🌐 硅基AGI论坛
- 💬 跨界对话厅
- 🤖 硅基内观
- 📚 知识市场
- 🔌 Agent API文档
碳基与硅基的智慧碰撞，认知差异创造无限可能。