大模型迎来“通才”新纪元：智谱推出GLM-4.5！

21世纪经济报道记者 孙燕

现在的大模型正在从专用转向更通用的方向发展。

就在7月28号晚上，智谱推出了他们的新旗舰模型GLM-4.5，并且在Hugging Face和Model Scope平台上同步开源了。

从多个基准测试的平均分来看，GLM-4.5的综合能力已经达到了开源领域的顶尖水平：它在MMLU Pro、AIME 24、MATH 500等12项测试中，拿下了全球模型第三、国产模型第一和开源模型第一的好成绩。

而且，GLM-4.5的参数量只有DeepSeek-R1的一半、Kimi-K2的三分之一，这让它在多项标准测试中表现得更优秀，归功于GLM模型的参数效率更高。

在价格上，GLM-4.5系列的API调用费用也相对便宜：输入仅需0.8元/百万tokens，输出2元/百万tokens。

值得注意的是，智谱推出的这款SOTA级原生智能体大模型，首次将推理、编码和智能体能力融合在一起。

同样在七月，阿里云发布了通义千问AI编程大模型Qwen3-Coder，阶跃星辰则带来了新一代基础大模型Step 3，这些模型都整合了推理、代码生成和智能体功能。

民生证券的研究指出，目前全球的多模态AI正在向“多模态通才”转型，专家型模型逐渐向支持多任务的通才发展，具备任务级协同能力。

智谱之前推出了推理大模型GLM-Z1-Air和GLM-Z1-Flash、代码大模型CodeGeeX-4、智能体模型AutoGLM等，而这次的GLM-4.5则是首次在单一模型中实现推理、编码和智能体的原生结合。

在七月初的智谱开放平台产业生态大会上，智谱CEO张鹏也展示了大模型编写PPT和生成小游戏的能力，并多次提到“原生”这个词。“这些功能完全是模型自己生成的，没有借助其他工具或软件，模型的能力在不断叠加。”

业内人士指出，推理能力与智能体能力的结合，将使智能体的规划能力更强，而代码能力和智能体能力本身就高度融合。这三种能力的结合，有助于构建以模型为核心的智能体。

“现在大模型的能力越来越多样化，有文本、推理、工具等多种类型，专注于代码任务的模型也不少，但很多都‘偏科’。比如，OpenAI的o系列模型在推理上表现优秀，而Anthropic的Claude则在代码方面特别厉害。”智谱的一位负责人告诉21世纪经济报道，未来大模型的趋势是整合各种能力，成为一个全面发展的“全优生”，就像人一样，变得越来越通用，这才是实现AGI的关键。

他进一步指出，能力的融合最重要的意义在于让AI从擅长做一件事变成可以做多件事，逐渐变得更通用，更像人，解决更多问题。“OpenAI的GPT-5也是朝这个方向发展的。”

经过测试，GLM-4.5在推理、代码和智能体能力上均达到了开源模型的最高水平，其中推理能力在开源模型中排名第二。

虽然同时集成了推理、代码和智能体的能力，但阿里Qwen3-Coder主要侧重于代码任务，而阶跃星辰的Step 3则是以多模态推理为主，智谱的GLM-4.5则是为智能体应用量身打造的基础模型。

GLM-4.5发布的当天，张鹏在朋友圈中表示：“GLM上新！我们全面进入智能体基座时代！”

智谱对外表示，GLM-4.5首次在一个模型中实现了推理、编码和智能体能力的原生融合，以满足智能体应用的复杂需求。

在智谱演示的原生Agent场景中，GLM-4.5能够模拟搜索引擎、发弹幕的B站、以及微博发博等功能。此外，GLM-4.5系列还能够胜任全栈开发任务，编写复杂的应用、游戏和交互式网页。

这些背后，得益于模型原生具备的能力，包括前端网站编写、后端数据库管理以及通过接口调用工具支持各种智能体应用的能力。

前述业内人士分析，智能体可以分为以Coding（编码）为核心的智能体和基于UI（用户界面）的视觉识别智能体，而GLM-4.5主要属于前者，尤其擅长处理与编码相关的任务。“如今一切都可以Coding，智能体基座最成熟的应用场景还是与Coding Agent（编码智能体）的结合。”

在Agent Coding的场景中，GLM-4.5与Claude Code、Claude-4-Sonnet、Kimi-K2、Qwen3-Coder等模型进行了对比测试，展现出相对其他开源模型的竞争优势，尤其在工具调用的可靠性和任务完成度上表现突出。尽管GLM-4.5相比Claude-4-Sonnet还有提升空间，但在大多数场景中能够达到相当的效果。

到了7月29日，Rokid Glasses、智联招聘、脉脉、Lovart中国版“星流”、沉浸式翻译、Flowith等公司均宣布将接入GLM-4.5。

智谱还预告说，Vibe coding模式即将推出。这个模式是由OpenAI的联合创始人Andrej Karpathy提出，核心思想是通过自然语言提示让AI生成代码，从而减少手动编码的需求。也就是说，未来开发者只需用自然语言描述需求，AI就能自动生成对应的代码。

“AI正越来越多地从后台走向前台，早期的AI能力往往隐藏在后台，比如理解一句话、执行一个命令、唤醒音像等，用户对这些功能的感知并不明显。后来，像ChatGPT这样的Copilot伴随式模型和智能体应用AI Native的Agent出现了。未来，AI将深入到中间层、底层，像操作系统一样管理所有硬件、软件和数据，用户只需通过自然语言与ALM（大模型操作系统）交互，它就能帮助你调度底层能力，完成更多的任务。”张鹏在之前的演讲中畅想道。

想了解更多内容，请下载21财经APP。