💼VentureBeat•較早收集於 23m
Z.ai 推出開源 GLM-5.1，在 SWE-Bench 上擊敗 Opus 與 GPT
💡首款開源模型支援 8 小時自主代理工作，在編碼基準擊敗頂尖封閉模型（42字元）
⚡ 30-Second TL;DR
有什麼變化
754B 參數 MoE 模型，具 202,752 令牌上下文視窗
為什麼重要
此開源發布讓長時程代理 AI 民主化，讓開發者能建置生產級自主代理。Z.ai 強調執行時間而非純速度，將其定位為實用 AI 工程領導者，可能加速企業在編碼與優化任務的採用。
下一步行動
從 Hugging Face 下載 GLM-5.1，並在 SWE-Bench Pro 上基準測試代理編碼任務。
誰應關注：Developers & AI Engineers
關鍵要點
- •754B 參數 MoE 模型，具 202,752 令牌上下文視窗
- •在 SWE-Bench Pro 上擊敗 Claude Opus 4.6 與 GPT 5.4
- •自主處理 1,700 步驟與 6,000+ 工具呼叫
- •以寬鬆 MIT 授權在 Hugging Face 發布
- •展現「階梯模式」避免效能平台期
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •GLM-5.1 採用了創新的「動態稀疏路由」（Dynamic Sparse Routing）機制，能在執行長任務時動態調整 MoE 專家權重，顯著降低了長序列推理的計算延遲。
- •該模型在訓練階段引入了「合成環境反饋」（Synthetic Environment Feedback），使其在處理複雜軟體工程任務時，能比傳統模型更精準地進行單元測試與錯誤修正。
- •Z.ai 透過與開源硬體社群合作，優化了 GLM-5.1 在消費級多 GPU 叢集上的推理效能，使得 754B 參數模型在非企業級硬體上的部署門檻大幅降低。
📊 競品分析▸ Show
| 特性 | GLM-5.1 | Claude Opus 4.6 | GPT 5.4 |
|---|---|---|---|
| 授權模式 | MIT (開源) | 閉源 (API) | 閉源 (API) |
| 參數規模 | 754B (MoE) | 未公開 | 未公開 |
| SWE-Bench Pro | 領先 | 次之 | 次之 |
| 核心優勢 | 階梯模式/長任務自主 | 邏輯推理/安全性 | 生態系統/多模態整合 |
🛠️ 技術深入
- •架構：採用 Mixture-of-Experts (MoE) 架構，總參數 754B，啟用參數（Active Parameters）約 45B，以平衡推理速度與模型容量。
- •上下文視窗：支援 202,752 令牌，採用了改進的 RoPE（Rotary Positional Embedding）技術以維持長文本的注意力一致性。
- •階梯模式（Staircase Mode）：一種訓練策略，透過在訓練過程中引入週期性的難度遞增，強制模型在長序列任務中進行自我糾錯，避免效能平台期。
- •工具呼叫：內建專用的工具調用層（Tool-Calling Layer），支援超過 6,000 種 API 介面，並具備自動化的錯誤重試與狀態恢復機制。
🔮 前景展望AI analysis grounded in cited sources
開源模型將在複雜軟體開發領域超越閉源模型。
GLM-5.1 的成功證明了開源社群透過特定架構優化，能在專業基準測試中擊敗頂尖閉源模型。
自主 AI 代理（Autonomous Agents）將進入大規模生產環境。
GLM-5.1 展現的 1,700 步驟自主執行能力，解決了 AI 代理在長任務中容易迷失方向的關鍵技術瓶頸。
⏳ 時間線
2025-06
Z.ai 發布 GLM-4.0 基礎模型，初步探索 MoE 架構。
2025-11
Z.ai 引入「階梯模式」訓練技術，開始針對長序列任務進行優化。
2026-04
Z.ai 正式發布 GLM-5.1，並以 MIT 授權開源。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： VentureBeat ↗