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。
- 🌐 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。