Zhipu divulga detalhes técnicos do GLM-5: inteligência de nível industrial, compatível com poder de processamento nacional

12 de fevereiro, Zhipu lançou o GLM-5, surpreendendo a todos. Dez dias depois, o relatório técnico foi divulgado, permitindo uma visão do gene interno do modelo GLM-5.

O mais interessante não é mais a conquista de rankings, mas a mudança de paradigma: não se compara mais o tamanho dos parâmetros, mas sim a capacidade de engenharia de sistemas.

As três realizações do GLM-5 são bastante concretas: 1. o modelo realmente consegue realizar tarefas complexas, não apenas escrever algumas linhas de código; 2. a eficiência de treinamento atingiu um novo nível, modelos extremamente grandes deixam de ser apenas um jogo de gastar dinheiro; 3. adaptação completa do nível de hardware ao framework de inferência, incluindo chips nacionais — este é o ponto mais crucial.

Se antes era uma questão de “a China está perseguindo”, agora já está construindo seu próprio sistema tecnológico.

De “fornecer código” a “construir sistemas”

O relatório propôs uma mudança de conceito: de Vibe Coding para Agentic Engineering. O primeiro é você dizer uma frase e eu te entrego um trecho de código; o segundo é você definir um objetivo, eu planejar, dividir, escrever código, ajustar ferramentas, depurar e iterar até montar o sistema completo.

O foco do GLM-5 já não é mais apenas pontuar em tarefas específicas, mas:

Contexto de cerca de 200 mil tokens (equivalente a várias centenas de páginas de documentos)

Tarefas de engenharia de software que envolvem múltiplos arquivos

Planejamento e ajustes contínuos em tarefas de longo prazo

Manutenção de consistência de pensamento em múltiplas rodadas de interação

Por exemplo, o Vending-Bench 2 exige “simular uma máquina de venda automática operando por um ano”, e ao final verificar o saldo da conta. O GLM-5 lidera modelos de código aberto nesse aspecto, chegando perto do Claude Opus 4.5. Isso avalia a capacidade de decisão de longo prazo, não uma questão de perguntas e respostas.

O modelo já demonstra “inteligência de nível de engenharia”.

Atenção esparsa: não mais consumindo poder de processamento sem critério

O GLM-5 possui 744 bilhões de parâmetros (com ativação de 40 bilhões), treinou 28,5 trilhões de tokens. Segundo a arquitetura tradicional, o consumo de computação explodiria.

A inovação central é o DSA (DeepSeek Attention Esparsa). O mecanismo de atenção tradicional “olha para todo o conteúdo”, com complexidade quadrática; o DSA avalia dinamicamente “quais tokens são realmente importantes” e calcula apenas as partes essenciais.

Com um contexto de 200 mil tokens, o DSA reduz a carga de atenção em 1,5 a 2 vezes.

E — sem perda de desempenho.

Outros métodos de atenção eficiente geralmente sacrificam precisão, mas o DSA mantém o desempenho ao continuar o pré-treinamento de forma suave, sem degradação.

O resultado é:

• Mesmo poder de processamento → maior contexto
• Mesmo custo → maior capacidade de inferência
• Mesmo hardware → modelos maiores

Para a China, a inovação em eficiência é muito mais importante do que simplesmente aumentar o poder de cálculo.

Reconstrução da arquitetura de aprendizado por reforço

O sistema de RL do GLM-5 foi completamente reformulado.

Geração e treinamento desacoplados. O modelo gera sua trajetória, enquanto o treinamento ocorre em um sistema separado de forma assíncrona. Antes, era preciso esperar a tarefa mais lenta terminar para continuar o treinamento; agora, quem termina primeiro treina primeiro, aumentando drasticamente o throughput. Isso é fundamental para tarefas de agentes de longo prazo.

O algoritmo assíncrono de RL para agentes resolve o problema de tarefas que duram várias horas na engenharia de software real. Foram introduzidos:

• Token-in-Token-out (evitando erros de re-tokenização)
• Amostragem de importância bilateral
• Otimização de roteamento KV cache com consciência de DP

O modelo consegue aprender de forma estável em ambientes complexos, sem colapsar por desvios de estratégia.

Resumindo, trata-se de “como fazer grandes modelos se autoaperfeiçoarem continuamente em tarefas reais”.

A verdadeira chave: adaptação ao hardware nacional

A parte mais importante do relatório para a IA na China está aqui.

O GLM-5 foi projetado nativamente para o ecossistema de GPUs nacionais, compatível com Ascend da Huawei, Mór Thread, Hygon, Cambrian, Kunlun, Tianshu, Suiyuan.

Não é uma simples adaptação para rodar, mas sim:

• Otimização na gestão de KV cache
• Adaptação de mecanismos de comunicação
• Treinamento de precisão mista
• Alinhamento com quantização INT4 no QAT
• Reconstrução de estratégias de paralelismo distribuído

O desafio do ecossistema de chips nacionais não é apenas o poder de cálculo, mas a pilha de software.

O significado do GLM-5 está em não ser uma arquitetura voltada exclusivamente para hardware estrangeiro, mas em fazer uma adaptação de sistema para múltiplas plataformas de hardware nacionais.

Isso representa uma mudança de paradigma — os grandes modelos chineses começam a otimizar sua engenharia em torno do hardware local, deixando de ser uma migração passiva.

Segundo o relatório, graças a essa otimização extrema de software e hardware, o desempenho do GLM-5 em um único nó de hardware nacional já pode rivalizar com um cluster de duas GPUs internacionais de ponta; além disso, seu custo de implantação em tarefas de processamento de sequências longas caiu 50%.

O ciclo fechado de hardware e software está se formando

Analisando a trajetória técnica do GLM-5, ela forma um ciclo completo:

Inovação na arquitetura do modelo (DSA) → Otimização de eficiência de treinamento (RL assíncrono) → Compressão de memória e comunicação (ZeRO, descarregamento de ativação) → Alinhamento de baixa precisão (INT4 QAT) → Adaptação profunda ao hardware nacional

Essa é uma cadeia completa de engenharia de IA nacional.

O que antes era uma vantagem na aplicação, agora começa a se expandir para inovação em arquitetura, engenharia de algoritmos, sistemas de treinamento, adaptação de chips e frameworks de inferência.

O verdadeiro significado deste relatório não está em uma pontuação de benchmark, mas na primeira demonstração de competitividade da IA chinesa por meio de uma “capacidade sistêmica”.

De demonstração de habilidade a maturidade

O relatório do GLM-5 não exagera ao enfatizar “quão forte somos”, detalhando processos de treinamento, escolhas de algoritmos, balanços de engenharia, experimentos de ablação. Isso por si só já demonstra maturidade.

Quando um modelo começa a discutir utilização de GPU, latência de cauda longa, reuso de KV cache, alinhamento de kernels de quantização, controle de esquecimento catastrófico — ele não está mais apenas exibindo capacidade, mas construindo sistemas industriais.

Para a China, o GLM-5 é mais do que uma conquista técnica: é uma declaração de que podemos não só criar grandes modelos, mas também fazer a adaptação de hardware própria e integrar tudo isso.

Essa é a verdadeira mudança de patamar.

Aviso de risco e isenção de responsabilidade

        O mercado possui riscos, investimentos devem ser feitos com cautela. Este artigo não constitui recomendação de investimento pessoal, nem leva em consideração objetivos, situação financeira ou necessidades específicas de cada usuário. Os usuários devem avaliar se as opiniões, pontos de vista ou conclusões aqui apresentadas são compatíveis com suas condições particulares. Investimentos de acordo com este conteúdo são de responsabilidade do investidor.