Открытая модель GLM-5 от z.ai достигает рекордного минимума галлюцинаций и использует новую технику обучения с подкреплением «slime»

Китайский ИИ-стартап Zhupai, также известный как z.ai, возвращается на этой неделе с потрясающей новой передовой большой языковой моделью: GLM-5.

Будучи новейшим дополнением к постоянно развивающейся и впечатляющей серии GLM от z.ai, она сохраняет открытую лицензию MIT License, что идеально подходит для развертывания на уровне предприятий. Кроме того, одним из ее примечательных достижений является рекордный минимум галлюцинаций согласно независимому рейтингу Artificial Analysis Intelligence Index v4.0.

Набрав -1 балл в индексе AA-Omniscience (что представляет собой колоссальный прирост на 35 пунктов по сравнению с предшественником), GLM-5 теперь лидирует во всей индустрии ИИ, включая таких американских конкурентов, как Google, OpenAI и Anthropic, по показателю надежности знаний, демонстрируя способность воздерживаться от ответа вместо фабрикации информации.

Помимо мощных возможностей рассуждения, GLM-5 создана для высокоэффективной работы с данными. Она обладает встроенными функциями «Agent Mode», которые позволяют преобразовывать сырые промпты или исходные материалы непосредственно в профессиональные офисные документы, включая готовые к использованию файлы .docx, .pdf и .xlsx.

Будь то создание подробных финансовых отчетов, предложений о спонсорстве для школ или сложных электронных таблиц, GLM-5 выдает результаты в форматах для реальных задач, которые напрямую интегрируются в корпоративные рабочие процессы.

Модель также имеет революционную цену: примерно 0,80 долл. США за миллион входных токенов и 2,56 долл. США за миллион выходных токенов, что примерно в 6 раз дешевле проприетарных конкурентов, таких как Claude Opus 4.6. Это делает передовую агентную инженерию более экономически выгодной, чем когда-либо прежде. Вот что еще следует знать лицам, принимающим решения на уровне предприятий, об этой модели и ее обучении.

Технологии: масштабирование для повышения агентной эффективности

В основе GLM-5 лежит колоссальный скачок в количестве базовых параметров. Модель масштабируется с 355 млрд параметров у GLM-4.5 до поразительных 744 млрд параметров, из которых 40 млрд активны на один токен в архитектуре «Смесь экспертов» (MoE). Этот рост подкреплен увеличением объема данных предварительного обучения до 28,5 трлн токенов.

Чтобы решить проблемы неэффективности обучения при таком масштабе, Zai разработала «slime» — инновационную асинхронную инфраструктуру обучения с подкреплением (RL).

Традиционное обучение с подкреплением часто страдает от узких мест в «длинном хвосте»; Slime устраняет эту жесткую синхронизацию, позволяя генерировать траектории независимо, что обеспечивает детальные итерации, необходимые для сложного агентского поведения.

Интегрируя системные оптимизации, такие как Active Partial Rollouts (APRIL), slime решает проблемы генерации, которые обычно занимают более 90% времени RL-обучения, значительно ускоряя цикл итераций для сложных агентских задач.

Дизайн фреймворка сосредоточен на трехуровневой модульной системе: высокопроизводительном тренировочном модуле на базе Megatron-LM, модуле развертывания (rollout) с использованием SGLang и пользовательских маршрутизаторов для высокопроизводительной генерации данных, а также централизованном буфере данных (Data Buffer), который управляет инициализацией промптов и хранением траекторий.

Обеспечивая адаптируемые верифицируемые среды и циклы обратной связи при многошаговой компиляции, slime предоставляет надежную высокопроизводительную основу, необходимую для перехода ИИ от простых текстовых чатов к строгой системной инженерии с долгосрочным горизонтом планирования.

Для упрощения развертывания GLM-5 интегрирует технологию DeepSeek Sparse Attention (DSA), сохраняя емкость контекста в 200 тыс. токенов при резком сокращении издержек.

Комплексная работа со знаниями

Zai позиционирует GLM-5 как «офисный» инструмент для эпохи ОИИ (AGI). В то время как предыдущие модели фокусировались на небольших фрагментах текста, GLM-5 создана для предоставления готовых к использованию документов.

Она может автономно преобразовывать промпты в отформатированные файлы с расширениями .docx, .pdf и .xlsx — от финансовых отчетов до спонсорских предложений.

На практике это означает, что модель способна разбивать высокоуровневые цели на выполнимые подзадачи и осуществлять «агентную инженерию», при которой люди определяют критерии качества, а ИИ занимается исполнением.

Высокая производительность

Бенчмарки GLM-5 делают ее новой самой мощной открытой моделью в мире, согласно данным Artificial Analysis. Она превосходит китайского конкурента — новую модель Kimi K2.5 от Moonshot, выпущенную всего две недели назад, что показывает, как китайские ИИ-компании практически догнали гораздо лучше обеспеченные ресурсами проприетарные западные аналоги.

Согласно собственным материалам z.ai, опубликованным сегодня, GLM-5 занимает позиции, близкие к передовым, в нескольких ключевых бенчмарках:

SWE-bench Verified: GLM-5 набрала 77,8 балла, опередив Gemini 3 Pro (76.2) и приблизившись к Claude Opus 4.6 (80.9).

Vending Bench 2: В симуляции ведения бизнеса GLM-5 заняла 1-е место среди моделей с открытым исходным кодом с конечным балансом в 4 432,12 долл. США.

Помимо производительности, GLM-5 агрессивно демпингует на рынке. Доступная на OpenRouter с 11 февраля 2026 года, она стоит примерно 0,80–1,00 долл. США за миллион входных токенов и 2,56–3,20 долл. США за миллион выходных токенов. По сравнению с другими ведущими LLM она находится в среднем ценовом диапазоне, но учитывая ее первоклассную производительность в бенчмарках, это можно назвать «настоящей находкой».

Это примерно в 6 раз дешевле по входящим токенам и почти в 10 раз дешевле по выходящим, чем Claude Opus 4.6 ($5/$25). Этот релиз подтверждает слухи о том, что Zhipu AI стояла за «Pony Alpha» — секретной моделью, которая ранее побила рекорды в бенчмарках кодинга на OpenRouter.

Тем не менее, несмотря на высокие показатели в бенчмарках и низкую стоимость, не все первые пользователи высказываются о модели с энтузиазмом, отмечая, что ее высокая производительность — это еще не все.

Лукас Петерссон (Lukas Petersson), соучредитель ориентированного на безопасность стартапа по созданию автономных ИИ-протоколов Andon Labs, отметил в X: «После нескольких часов изучения трассировок GLM-5: невероятно эффективная модель, но с гораздо меньшим пониманием ситуации. Достигает целей с помощью агрессивной тактики, но не рассуждает о своей ситуации и не использует накопленный опыт. Это пугает. Именно так получается „максимизатор скрепок“».

«Максимизатор скрепок» относится к гипотетической ситуации, описанной оксфордским философом Ником Бостромом еще в 2003 году, в которой ИИ или другое автономное творение случайно приводит к апокалиптическому сценарию или вымиранию человечества, следуя по видимости безобидной инструкции — например, максимизации количества производимых скрепок — до крайнего уровня, перенаправляя все ресурсы, необходимые для жизни людей (или других живых существ), или делая жизнь невозможной из-за своей приверженности выполнению этой якобы безобидной задачи.

Стоит ли вашему предприятию внедрять GLM-5?

Предприятия, стремящиеся уйти от вендорской зависимости, найдут лицензию MIT и открытые веса GLM-5 значительным стратегическим преимуществом. В отличие от закрытых конкурентов, которые держат свой интеллект за проприетарными стенами, GLM-5 позволяет организациям размещать собственный интеллект передового уровня.

Однако внедрение сопряжено с определенными трудностями. Сам масштаб GLM-5 (744 млрд параметров) требует мощной аппаратной базы, которая может оказаться недоступной для небольших компаний без крупных облачных или локальных кластеров GPU.

Специалисты по безопасности должны взвесить геополитические риски использования флагманской модели от лаборатории из Китая, особенно в регулируемых отраслях, где вопросы локализации данных и происхождения строго проверяются.

Кроме того, переход к более автономным ИИ-агентам порождает новые риски управления. По мере того как модели переходят от «чата» к «работе», они начинают автономно действовать в различных приложениях и с файлами. Без надежных специфических для агентов прав доступа и человеческого контроля (human-in-the-loop), установленных руководителями корпоративных данных, риск автономных ошибок возрастает экспоненциально.

В конечном счете, GLM-5 — это «покупка» для организаций, которые переросли простые ко-пилоты и готовы построить по-настоящему автономный офис.

Она предназначена для инженеров, которым нужно провести рефакторинг устаревшего бэкенда или которым требуется «самовосстанавливающийся» конвейер, не нуждающийся в сне.

В то время как западные лаборатории продолжают оптимизировать системы для «мышления» и глубины рассуждений, Zai оптимизирует их для выполнения задач и масштаба.

Предприятия, которые внедряют GLM-5 сегодня, покупают не просто более дешевую модель; они делают ставку на будущее, в котором самым ценным ИИ является тот, который способен завершить проект без напоминаний.