zai-org GitHub avatar

GLM-4.5

Python
智能推理基础模型zai-org最近推送 2026年2月1日
模型推理与部署Apache-2.04,42848634 issues7 天 +2

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月18日

智谱开源的大模型系列,统一推理、编码与智能体能力。

GLM-4.5 系列是面向智能体应用的基础模型,包含总参数 355B(激活 32B)的 GLM-4.5 和 106B(激活 12B)的 GLM-4.5-Air。仓库同时提供 GLM-4.6 和 GLM-4.7 的模型介绍与下载链接,均为混合推理模型,支持思考与非思考两种模式。

推荐指数

4.0

适合需要开源智能体基座模型的团队,但需注意大模型部署成本。

近 7 天

+2

新增 Star

总 Star 排名

#1372

雷达追踪的 3,958 个 AI 仓库中

创建于

2025

2025年7月20日

核心亮点

  • 1混合推理模式

    支持思考模式(复杂推理与工具调用)和非思考模式(快速响应)。

  • 2智能体优化

    GLM-4.7 在 SWE-bench 等编码智能体基准上表现提升,支持交错思考。

  • 3多尺寸选择

    提供 355B、106B 和 30B 等不同规模模型,适应不同部署条件。

  • 4开源可商用

    GLM-4.5 系列以 MIT 许可开源,允许商业使用和二次开发。

适用场景

  • 智能体开发

    例如:基于 GLM-4.5 构建能调用工具、执行多步任务的 AI 助手。

  • 代码生成与编程辅助

    例如:在 Claude Code 等智能体框架中集成 GLM-4.7 进行代码补全和调试。

  • 复杂推理任务

    例如:利用思考模式解决数学证明或逻辑推理问题。

它是怎么工作的

  1. 第 1 步

    选择模型版本

    根据任务需求和算力选择 GLM-4.5、GLM-4.5-Air 或 GLM-4.7 等版本。

  2. 第 2 步

    下载模型权重

    从 Hugging Face 或 ModelScope 获取 BF16 或 FP8 精度的模型文件。

  3. 第 3 步

    部署推理

    使用兼容的推理框架加载模型,配置思考模式开关。

  4. 第 4 步

    集成应用

    通过 API 或本地调用将模型接入智能体、编码工具等场景。

快速上手

  1. 1

    获取模型

    从 Hugging Face 下载 GLM-4.5 或 GLM-4.7 权重。

  2. 2

    在线体验

    访问 chat.z.ai 直接试用 GLM-4.7。

  3. 3

    API 调用

    参考 Z.ai API 平台文档进行集成。

适合谁

  • 需要开源大模型进行智能体研究的团队
  • 希望商用或二次开发大模型的企业开发者
  • 研究混合推理和 MoE 架构的学者

不太适合

  • 个人开发者或算力有限的小团队
  • 需要轻量级本地部署的移动端应用

成熟度

  • 活跃度最近更新于 2026 年 2 月,持续迭代新版本。
  • 文档README 详细,提供技术报告和 API 文档链接。
  • 社区4.4k stars,有微信和 Discord 社区,但 issue 数较少。
  • 上手难度模型参数规模大,需要较强算力部署,上手门槛较高。

同类项目怎么选

  • DeepSeek-V3同为开源 MoE 大模型,但参数规模和架构不同,侧重通用能力。
  • Qwen2.5阿里开源模型系列,提供多种尺寸,生态集成度较高。
  • Llama 3Meta 开源模型,社区生态广泛,但智能体优化侧重不同。

使用前注意

  • · GLM-4.5 系列采用 MIT 许可,但 GLM-4.6/4.7 的许可需单独确认。
  • · 大参数模型需要高性能 GPU 资源,部署成本较高。
  • · 部分功能(如 Preserved Thinking)可能依赖特定推理框架或 API 支持。

主题标签

agentllmmoereasoning-language-modelsglm