源自清华大学计算机系知识工程实验室（KEG）的技术转化企业，专注于通用人工智能（AGI）基座大模型研发，致力于"让机器像人一样思考"。2026年1月8日于香港联合交易所主板挂牌上市。以下内容完整覆盖GLM系列技术演进、核心创新、产品矩阵与最近半年（2026年1-6月）的重大进展。
以下为最近六个月内官方发布/公告口径的技术与产品动态，按时间顺序排列，是当前对外沟通的重点内容。
从2021年架构奠基论文到2026年长程任务旗舰模型，GLM系列的公开发布节奏与关键特征如下。
| 模型 | 发布时间 | 关键特征 |
|---|---|---|
| GLM架构奠基论文 | 2021年3月 | 《GLM: General Language Model Pretraining with Autoregressive Blank Infilling》，arXiv:2103.10360，自回归填空预训练，奠定后续整个模型家族技术基础 |
| GLM-10B | 2021年 | 首个百亿参数预训练大模型 |
| GLM-130B | 2022年8月 | 130B参数中英双语基座，对标GPT-3（175B），arXiv:2210.02414 |
| ChatGLM-6B / 130B | 2023年3月 | 国内首个开源中英双语对话模型，累计下载量3,000万+，GitHub Star 15万+ |
| ChatGLM-2 | 2023年6月 | 上下文扩展至32K，引入FlashAttention，推理速度翻倍 |
| ChatGLM-3 | 2023年10月 | 原生工具调用、代码解释器、Agent能力；端侧1.5B/3B模型 |
| GLM-4 | 2024年1月16日 | RMSNorm、SwiGLU、GQA架构；10T tokens预训练；性能较上代提升60%，逼近GPT-4 |
| GLM-4-9B系列（4款） | 2024年6月5日 | 含1M上下文版本GLM-4-9B-Chat-1M；MIT License |
| GLM-Zero / GLM-Z1 | 2024-2025 | 推理模型系列，Z1极速版速度达DeepSeek-R1的8倍，成本降至1/30 |
| GLM-4-32B-0414系列（4款） | 2025年4月 | 含GLM-Z1-Rumination-32B-0414沉思模型，对标OpenAI Deep Research；MIT License |
| GLM-4.5 / GLM-4.5-Air | 2025年7月28日 | 首个自研MoE架构（355B总参/32B激活）；ARC（Agentic/Reasoning/Coding）三能力原生融合；arXiv:2508.06471；MIT License |
| GLM-4.5V | 2025年8月11日 | 视觉推理模型，41项多模态基准SOTA，arXiv:2507.01006 |
| GLM-4.6 | 2025年9月 | 上下文扩展至200K，token消耗较前代降约15% |
| GLM-4.7 | 2025年12月22日 | 355B模型，AIME 2025达95.7%，CodeArena开源第一 |
| GLM-4.7-Flash | 2026年1月20日 | 30B总参/3B激活，混合推理，免费调用 |
| GLM-Image | 2026年1月16日 | 16B，与华为联合开源，国产芯片全流程训练 |
| GLM-5 | 2026年2月12日 | 744B总参/40B激活MoE；DSA稀疏注意力+Slime异步RL框架；28.5T tokens预训练；arXiv:2602.15763 |
| GLM-5V-Turbo | 2026年4月2日 | 原生多模态Coding基座，arXiv:2604.26752 |
| GLM-5.1 | 2026年4月7日 | 长程任务Agent模型，MIT License，官方披露"8小时自主工作"能力 |
| GLM-5.1-HighSpeed | 2026年5月 | 400 tokens/s推理速度，全球纪录 |
| GLM-5.2 | 2026年6月13-17日 | 1M（100万token）真无损上下文；MoE 744B总参/激活约40B；MIT协议开源 |
GLM-4.5 → GLM-5 → GLM-5.2 三代旗舰模型的核心技术参数对比。
| 维度 | GLM-4.5（2025-07） | GLM-5（2026-02） | GLM-5.2（2026-06） |
|---|---|---|---|
| 总参数 | 355B | 744B | 744B |
| 激活参数 | 32B | 40B | 40B |
| 架构 | MoE | MoE（更深更窄，80层/256专家） | MoE + 动态稀疏 |
| 上下文 | 128K | 202K | 1M（100万） |
| 预训练数据 | 23T tokens | 28.5T tokens | 训练数据截止2025-11 |
| 注意力机制 | Full Attention | DSA稀疏（DeepSeek Sparse Attention） | DSA + IndexShare |
| RL训练框架 | Slime异步 | Slime + 全异步Agent RL | 沿用Slime路线 |
| 关键技术亮点 | 首次ARC三能力原生融合 | Muon Split使MLA匹配GQA-8性能；20B token追平DeepSeek 943.7B token效果 | IndexShare降低单token indexer开销至2.9倍；改进MTP消除训练-推理不一致 |
| 模态 | 文本+代码 | 文本+代码 | 文本+代码（思考强度分High/Max两档） |
| 开源协议 | MIT | MIT | MIT |
| 官方Intelligence Index | — | 50分（开源SOTA） | 51分（全球第三、开源第一） |
支撑GLM-5系列长上下文与Agent能力的四项核心技术。
通过轻量级"闪电索引器"为每个query对历史token打分，仅在top-k子集上计算注意力，将核心注意力复杂度从O(L²)降至O(Lk)，使模型在不损失长上下文理解与推理深度的前提下扩展到744B参数/28.5T训练数据规模。
智谱自研、SGLang-native的强化学习后训练框架，是GLM-4.5至GLM-5.2全系列RL训练的统一底座。训练（Megatron）与推理（SGLang）解耦为独立服务，支持异步rollout与多任务编排，GLM-5.2完整后训练仅耗时约两天。
每4层稀疏注意力层复用同一indexer，将1M上下文下单token的indexer计算量降低至2.9倍；结合KVShare与端到端TV loss消除多token预测（MTP）层的训练-推理不一致问题，是实现"1M无损上下文"的关键。
将多潜在注意力（MLA）的up-projection矩阵按注意力头拆分做正交化处理，使MLA性能匹配传统GQA-8架构，且预训练过程中注意力logit无需clipping即可保持数值稳定。
| 模型 | 长文本 | 代码 | 推理 | 视觉 | 视频 | 图像生成 | Agent | 工具调用 | 开源 |
|---|---|---|---|---|---|---|---|---|---|
| GLM-5.2（旗舰） | 1M ● | ● | ● | ○ | ○ | ○ | ● | ● | MIT |
| GLM-5.1 | 200K ● | ● | ● | ○ | ○ | ○ | ● | ● | MIT |
| GLM-5 | 202K ● | ● | ● | ○ | ○ | ○ | ● | ● | MIT |
| GLM-5V-Turbo | 200K ● | ●（视觉编程） | ● | ● | ● | ○ | ● | ● | 部分开源 |
| GLM-4.5V | 64K ● | ○ | ● | ● | ● | ○ | 部分 | 部分 | MIT |
| GLM-4.7 | 205K ● | ● | ●（AIME 95.7） | ○ | ○ | ○ | ● | ● | MIT |
| GLM-Image | ○ | ○ | ○ | ○ | ○ | ●（SOTA） | ○ | ○ | MIT |
| CogVideoX v1.5 | ○ | ○ | ○ | ○ | ●（10s 4K） | ○ | ○ | ○ | 开源 |
| AutoGLM 2.0 | ○ | ○ | 部分 | ● | ○ | ○ | ●（手机） | ● | 产品级 |
视觉推理模型，采用RLCS（课程学习+难度感知采样）训练方法，41项多模态基准SOTA，登顶Hugging Face趋势榜。
16B混合架构（9B自回归+7B扩散解码器），与华为联合开源，世界首例完全基于国产芯片全流程训练的SOTA多模态模型，尤擅汉字与知识密集型图像生成。
面向视觉编程的原生多模态Coding基座，能理解图片/视频/设计稿/文档版面，支持画框、截图、读网页等多模态工具调用。
CogView4是首个支持原生中文输入的开源文生图模型；CogVideoX为开源文生视频模型，v1.5版本支持10秒60fps/4K稳定输出。
端到端语音对话模型，175bps超低码率语音分词器，支持中英双语实时语音交互。
语音合成模型，两阶段架构（LLM生成语音token+Flow模型转波形），支持零样本语音克隆（3-10秒提示）。
文档解析模型，OmniDocBench基准接近顶尖闭源水平，两阶段架构（布局检测+轻量VLM）。
语音识别模型，支持实时精准转录，覆盖方言与专业术语适配。
从手机端GUI操作到长程自主任务执行，智谱Agent产品线的公开发布节奏。
面向开发者的MaaS平台bigmodel.cn，提供GLM系列API调用、模型微调与智能体开发工具链，新用户注册即得2,000万Tokens免费额度。
开发者平台面向全球用户的开放体验入口，免注册体验32B/9B系列模型，MIT协议。
国际平台C端AI助手App，支持文本/图像/语音/视频多模态交互，已预装至中国三星Galaxy S25等智能终端。
C端产品多语言AI编程助手，支持100+编程语言，已集成主流IDE，覆盖代码补全、生成、解释全流程。
代码助手面向开发者的编程场景订阅套餐，分Lite/Pro/Max三档，适用于GLM-4.5/4.5-Air/4.6等系列模型。
订阅服务面向智能体（Agent）场景的订阅服务，2026年3月上线，支持AutoClaw等产品。
订阅服务科技情报大数据挖掘系统，智谱技术体系前身，2006年由唐杰主导开发，提供学者关系、论文引用与学术趋势查询。
学术情报按发表时间排序的官方核心技术报告，均可通过对应arXiv编号或GitHub/Hugging Face链接公开核实。
以下为 bigmodel.cn 官网公开发布的定价信息示例，具体以官网实时价格为准。