Компания Zhipu опубликовала технические детали GLM-5: инженерный уровень интеллекта, совместимый с отечественными вычислительными мощностями.

12 февраля, Zhipu выпустила GLM-5, вызвав сенсацию. Через 10 дней появился технический отчет, позволяющий заглянуть в внутренние гены модели GLM-5.

Интересно не только то, что она снова побила рекорды, а в целом изменился подход: больше не сравнивают параметры, а начинают оценивать системную инженерную способность.

Три ключевых достижения GLM-5 — очень практичны: 1. модель действительно способна выполнять сложные задачи, а не просто писать несколько строк кода; 2. уровень эффективности обучения поднялся на новый уровень, огромные модели больше не только игра в деньги; 3. полностью адаптирована под отечественные чипы — это самое важное.

Если раньше говорили, что «Китай догоняет», то сейчас уже строит свою собственную технологическую систему.

От «предоставления кода» к «созданию систем»

В отчете предложена концептуальная смена: от Vibe Coding к Agentic Engineering. Первый — это когда ты говоришь «напиши код», второй — когда ты ставишь цель, я сам планирую, разбираю, пишу код, настраиваю инструменты, отлаживаю и итеративно довожу систему до готовности.

Главный акцент GLM-5 уже не на баллах за отдельные задачи, а на:

Контекст около 200 тысяч токенов (несколько сотен страниц документов)

Межфайловые задачи программной инженерии

Постоянное планирование и корректировка в длительных задачах

Многократные циклы взаимодействия для поддержания согласованности мышления

Например, Vending-Bench 2 требует «моделировать автомат по продаже за год», в итоге — проверить баланс счета. GLM-5 в открытом доступе — первая модель, приближающаяся по возможностям к Claude Opus 4.5. Это тест долгосрочного принятия решений, а не вопрос-ответ.

Модель уже обладает «инженерным интеллектом».

Разреженное внимание: больше не бессмысленно тратить вычислительные ресурсы

GLM-5 содержит 744 миллиарда параметров (активных 40 миллиардов), обучена на 285 триллионах токенов. При традиционной архитектуре расход вычислений взрывается.

Ключевое нововведение — DSA (DeepSeek разреженное внимание). Традиционное внимание «смотрит на всё», сложность растет квадратично; DSA динамически определяет, какие токены действительно важны, и считает только их.

При длине контекста около 200 тысяч токенов DSA снижает объем вычислений внимания в 1.5–2 раза.

И — без потерь.

Другие эффективные методы внимания обычно жертвуют точностью, а DSA, продолжая предварительное обучение, обеспечивает плавный переход без деградации производительности.

Результат:

• при одинаковых вычислительных ресурсах — более длинный контекст
• при одинаковых затратах — более мощное рассуждение
• при использовании того же оборудования — более крупная модель

Для Китая важнее эффективность, чем просто увеличение мощности.

Реконструкция архитектуры обучения с подкреплением

RL-система GLM-5 претерпела кардинальные изменения.

Генерация и обучение теперь разъединены. Модель генерирует траекторию, обучение происходит асинхронно в отдельной системе. Раньше приходилось ждать завершения самого медленного задания, сейчас — кто быстрее завершил, тот и обучается, что значительно повышает пропускную способность. Это критично для задач долгосрочного агента.

Асинхронные алгоритмы RL позволяют стабильно обучать в сложных программных средах, не давая стратегии сбиться.

В сущности, речь идет о том, как заставить большую модель постоянно самоулучшаться в реальных задачах.

Самый важный шаг — адаптация под отечественные вычислительные платформы

Самая важная часть отчета для Китая.

GLM-5 изначально адаптирована под отечественную GPU-экосистему, уже совместима с Huawei Ascend, Moore Threads, Hygon, Cambricon, Kunlun, TianNum, Suiyuan.

Это не просто «может работать», а полноценная системная адаптация, включающая:

• оптимизацию управления KV-кешем
• адаптацию коммуникационных механизмов
• соответствие смешанной точности обучения
• согласование с INT4-квантованием
• реконструкцию стратегий распределенного параллелизма

Многие сложности отечественной экосистемы — не в вычислительной мощности, а в программном стеке.

Значение GLM-5 в том, что она создается не вокруг одного зарубежного аппаратного стандарта, а ориентирована на множество отечественных платформ, делая системную интеграцию.

Это качественный скачок — китайские крупные модели начинают оптимизировать инженерные решения под собственное аппаратное обеспечение, а не просто переносить зарубежные решения.

Благодаря максимально эффективной синергии аппаратного и программного обеспечения, GLM-5 на одной отечественной вычислительной ноде уже способна конкурировать по производительности с кластером из двух международных GPU; более того, в задачах обработки длинных последовательностей стоимость развертывания снизилась на 50%.

Закрытый цикл аппаратного и программного обеспечения формируется

Анализируя путь GLM-5, можно выделить полноценный замкнутый цикл:

Инновации в архитектуре модели (DSA) → оптимизация эффективности обучения (асинхронное RL) → сжатие памяти и коммуникаций (ZeRO, выгрузка активаций) → согласование с низкоточной точностью (INT4 QAT) → глубокая адаптация под отечественные чипы

Это целая цепочка отечественной AI-индустрии.

Раньше преимущества Китая в AI проявлялись на уровне приложений, а сейчас начинается полномасштабное развитие в области архитектурных инноваций, алгоритмических решений, систем обучения, адаптации под чипы и оптимизации инференса.

Истинное значение этого отчета — не в каких-то бенчмарках, а в том, что впервые в Китае AI демонстрирует конкурентоспособность на системном уровне.

От демонстрации возможностей к зрелости

Отчет по GLM-5 не сосредоточен на «насколько мы лучше», а подробно раскрывает процессы обучения, выбор алгоритмов, инженерные компромиссы и абляционные эксперименты. Это и есть проявление зрелости.

Когда модель начинает говорить о GPU-использовании, задержках на длинных цепочках, повторном использовании KV-кеша, выравнивании квантовых ядер, контроле за катастрофическим забыванием — она уже не просто демонстрирует возможности, а создает промышленную систему.

Для Китая GLM-5 — это скорее заявление: мы не только можем создавать крупные модели, но и разрабатывать собственные аппаратные решения, и интегрировать их вместе.

Это настоящий прорыв.

Предупреждение о рисках и отказ от ответственности

        Рынок подвержен рискам, инвестиции требуют осторожности. Настоящий материал не является индивидуальной инвестиционной рекомендацией и не учитывает особенности финансового положения или целей конкретного пользователя. Пользователь сам несет ответственность за соответствие мнений, взглядов или выводов своим условиям.