来gongzhonghao【图灵学术计算机论文辅导】，快速拿捏更多计算机SCI/CCF发文资讯～

上个月，智谱开源的 GLM-4.5系列大模型在 AI 圈掀起热潮。这个包含 3550 亿总参数的旗舰模型，不仅首次实现推理、编码与智能体能力的原生融合，更在 12 项全球权威测试中拿下综合第三的成绩 。

为何要让模型学会 “全能”？

大模型的进化正从 “知识库” 走向 “问题解决者”，但真正的通用智能，从来不是单一能力的拔尖。

智谱团队提出，衡量一个通才模型，关键看三样东西：能否与外部工具互动的智能体能力、能否解复杂数学科学问题的推理能力、能否处理真实软件工程任务的编码能力 —— 这三者被合称为 ARC 能力。

此前，即便是 OpenAI 的 o1 或 Anthropic 的 Claude Sonnet 4，也只在某一领域突出，而 GLM-4.5 想做的，正是让一个模型同时把这三件事做好。它采用 “混合推理模式”：遇到复杂任务就进入 “思考模式”，需要即时响应就切换到 “直接模式”，像人类一样灵活应对不同场景。

从架构到训练：如何 “炼” 出全能模型？

GLM-4.5 的 “全能”，始于独特的架构设计。它采用混合专家（MoE）架构，但走了条 “瘦高” 路线 —— 相比同类模型追求 “宽”（更多专家、更大隐藏维度），它选择减少宽度、增加深度。

团队发现，更深的模型在推理能力上更有优势。同时，它把注意力头数量增加到常规模型的 2.5 倍，虽然没降低训练损耗，却让推理基准测试的表现稳步提升。这种设计，让它在 3550 亿总参数下，仅需激活 320 亿参数就能高效运行，兼顾性能与成本。

训练过程则像一场 “阶梯式修炼”。先是 15 万亿 token 的通用预训练，让模型打下知识基础；接着用 7 万亿 token 的代码与推理语料强化专项能力；最关键的 “中期训练” 阶段，模型开始 “定向突破”：拼接代码仓库文件学习跨文件依赖，用合成数据强化推理步骤，把序列长度从 4K 扩展到 128K 以适应长文本与智能体任务。就像学生先学基础知识，再针对性攻克难点，每一步都在为 ARC 能力添砖加瓦。

而让能力 “落地” 的关键，是强化学习。智谱专门开发了开源框架 slime，它像个高效的 “训练管家”：把训练与数据生成解耦，让智能体任务能并行处理；用 FP8 精度加速数据生成，BF16 精度保证训练稳定。这种设计，让模型在处理网页搜索、代码修复等复杂任务时，能持续从交互中学习，不断优化策略。

实战见真章：它真的能打吗？

12 项基准测试成了最好的 “成绩单”。智能体能力上，它在 TAU-Bench 超越 Gemini 2.5 Pro，BFCL V3 拿下榜首；推理能力更惊艳，AIME 24 数学测试得分 91.0%，超过 OpenAI o3；编码方面，SWE-bench Verified 的 64.2% 成绩，让它成为 Claude Sonnet 4 最有力的对手。

社区实测中，有开发者发现，它在真实编程任务中的工具调用成功率高达 90.6%，单轮交互的 token 消耗却比同类模型低不少 —— 性能与效率的平衡，让它在落地场景中更具优势。

当模型权重、技术报告与 slime 框架同时开源，GLM-4.5 的意义早已不止于一个好用的工具。它像一本公开的 “教科书”，展示了如何让大模型突破单一能力局限，走向真正的通用智能。对于 AI 社区而言，这或许正是打开下一代大模型研发之门的钥匙。

关注gongzhonghao【图灵学术计算机论文辅导】，快速拿捏更多计算机SCI/CCF发文资讯～