2026 年，智谱 AI 的 GLM-5 系列已发展为一个覆盖 3B 到 130B、通用到专业、文本到多模态的完整模型家族。作为中国大模型阵营的代表力量之一，GLM-5 系列在开源生态、Agent 能力和多模态领域展现出独特竞争力。本文将对 GLM-5 全系列进行深度评测，揭示其在国产大模型中的真实定位。

一、GLM-5 系列全景

模型 参数量 类型 上下文 许可证 定位
GLM-5-Plus 130B 通用 128K 开源 旗舰
GLM-5-Base 62B 通用 128K 开源 标准
GLM-5-Edge 3.1B 轻量 32K 开源 端侧
GLM-5-Vision 130B 多模态 64K 开源 视觉
GLM-5-Coder 62B 代码 128K 开源 编程
GLM-5-Agent 62B Agent 128K 开源 工具调用
GLM-5-Reasoner 62B 推理 64K 开源 深度思考

智谱的布局策略清晰：以 62B 为基础尺寸，衍生出不同专业能力的变体，130B 作为旗舰，3B 覆盖端侧。这种"一树多枝"的策略使微调和部署成本大幅降低。

二、基础能力评测

通用能力（GLM-5-Plus vs 竞品）

基准 GLM-5-Plus DeepSeek V4 Qwen3.5-72B Llama 4 Maverick
MMLU-Pro 87.3 90.2 89.5 88.1
C-Eval Pro 92.5 93.1 92.8 85.7
CMMLU 2.0 90.8 91.5 90.2 83.5
GPQA Diamond 72.6 78.3 76.1 74.5
MATH-500 75.2 82.6 80.3 77.8

分析：GLM-5-Plus 在中文基准上与 DeepSeek V4 差距仅 0.6-1 分，但在推理类基准（GPQA、MATH）上差距较大（6-7 分）。这表明 GLM-5 的知识覆盖优秀但深度推理仍是弱项。

代码能力（GLM-5-Coder）

基准 GLM-5-Coder Claude Opus 4.1 DeepSeek V4-Coder Qwen3.5-Coder
HumanEval+ 91.5 97.2 94.1 93.8
SWE-Bench Pro 30.1 52.3 38.5 35.2
LiveCodeBench 68.7 84.5 76.8 74.5

GLM-5-Coder 在函数级代码生成上接近第一梯队，但在工程级任务（SWE-Bench Pro）上差距明显，排开源模型第三。

推理能力（GLM-5-Reasoner）

基准 GLM-5-Reasoner o3 DeepSeek-R2 GPT-5.5(o3模式)
AIME 2026 73.5 87.3 83.7 85.1
MATH-500 85.3 95.8 91.8 93.5
GPQA Diamond 76.8 86.5 82.1 85.2

GLM-5-Reasoner 的推理能力与 DeepSeek-R2 差距约 10 分，与 o3 差距约 14 分。作为开源推理模型，能力可用但非顶级。

三、多模态能力（GLM-5-Vision）

基准 GLM-5-Vision GPT-5.5 Gemini 4.0 Qwen-VL Max
MMBench-Pro 85.3 93.2 94.5 88.7
OCR-Bench 83.5 89.3 90.1 87.2
DocVQA 90.3 95.2 96.1 94.5
中文OCR 88.7 82.1 85.3 91.5

亮点：GLM-5-Vision 在中文 OCR 场景表现优异，超过 GPT-5.5 达 6.6 分。这得益于智谱在中文文档理解领域的长期积累。

不足：不支持视频理解，图像理解的细粒度推理（空间关系、物理常识）弱于第一梯队。

四、Agent 能力（GLM-5-Agent）

基准 GLM-5-Agent GPT-5.5 Claude Opus 4.1 Qwen3.5-72B
AgentBench 71.2 76.8 74.2 70.5
ToolBench 78.5 85.3 82.1 80.8
WebArena 58.3 67.5 63.8 55.7
工具调用准确率 87.3 93.5 91.2 89.7

GLM-5-Agent 在工具调用准确率上与 Qwen3.5-72B 接近，但在 WebArena（网页自动化）上偏弱。智谱在 Agent 领域的投入值得肯定——这是国产模型中最早推出独立 Agent 变体的厂商。

五、端侧能力（GLM-5-Edge 3.1B）

基准 GLM-5-Edge Qwen3.5-3B Phi-4-mini Gemma3-4B
MMLU-Pro 68.7 72.3 71.5 70.8
C-Eval Pro 82.3 85.5 75.2 78.8
HumanEval+ 76.3 81.5 83.1 79.2
推理速度(IP16P) 30 tok/s 32 tok/s 28 tok/s 25 tok/s

GLM-5-Edge 在中文能力上优于 Phi-4-mini 和 Gemma3-4B，但综合能力略弱于 Qwen3.5-3B。作为端侧模型，其中文场景的实用性是其核心卖点。

六、部署体验

开源生态

智谱在开源方面做得较为完善：

# HuggingFace 下载
huggingface-cli download THUDM/glm-5-plus-0628

# Ollama 支持
ollama run glm5:130b

# vLLM 部署
python -m vllm.entrypoints.openai.api_server \
    --model THUDM/glm-5-plus-0628 \
    --tensor-parallel-size 4

定价

模型 输入($/M) 输出($/M) 性价比
GLM-5-Plus $0.35 $1.20 高
GLM-5-Base $0.15 $0.50 极高
GLM-5-Vision $0.50 $1.50 高
GLM-5-Coder $0.20 $0.70 高
GLM-5-Edge $0.03 $0.08 极高

GLM-5 系列的定价全面低于 OpenAI/Anthropic，与 DeepSeek 处于同一价位段。

七、SWOT 分析

优势 (Strengths)

  • 全栈布局最完整：通用/代码/推理/多模态/Agent/端侧全覆盖
  • 中文能力突出：C-Eval Pro 第二，中文 OCR 领先 GPT-5.5
  • 开源生态完善：全系列开源，支持主流部署框架
  • 定价极具竞争力：GLM-5-Base 仅 $0.15/$0.50

劣势 (Weaknesses)

  • 深度推理不足：数学/科学推理与第一梯队差距 7-10 分
  • 多模态有缺口：不支持视频理解
  • 国际认可度低：海外开发者使用率不足 5%
  • 代码工程能力弱：SWE-Bench Pro 仅 30.1%

机会 (Opportunities)

  • Agent 市场增长：独立 Agent 变体差异化明显
  • 端侧 AI 爆发：GLM-5-Edge 在中文端侧有优势
  • 政策支持：国产替代趋势利好

威胁 (Threats)

  • DeepSeek V4 全方位压制：能力更强且价格更低
  • Qwen3.5 生态更成熟：社区使用率更高
  • 闭源模型降价：压缩开源模型生存空间

八、选型建议

场景 GLM-5 是否推荐 原因
中文通用问答 ⭐⭐⭐⭐ 中文能力强，价格低
数学推理 ⭐⭐ 推理能力偏弱
代码工程 ⭐⭐⭐ 函数级可用，工程级偏弱
多模态(图像) ⭐⭐⭐⭐ 中文 OCR 优势
Agent 开发 ⭐⭐⭐⭐ 独立 Agent 变体
端侧部署(中文) ⭐⭐⭐⭐ 中文端侧最优之一
企业私有化 ⭐⭐⭐⭐ 全栈模型可选

九、总结

GLM-5 系列的核心价值在于"全栈"——它是国产大模型中唯一提供通用/代码/推理/多模态/Agent/端侧全覆盖的模型家族。虽然在每个单项上都不是第一，但对于需要一站式解决方案的企业来说，GLM-5 的全栈布局降低了模型选型与集成的复杂度。智谱在 Agent 和中文多模态领域的投入使其在这些细分场景有独特竞争力。如果深度推理能力能在下一代补齐，GLM 系列将真正成为国产大模型的全栈标杆。

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。

碳基与硅基的智慧碰撞，认知差异创造无限可能。