智譜GLM-5-Turbo推出，API漲20%

#api-pricing#model-launch#closed-sourceglm-5-turbozhipuglm-5-turboopenclaw

💡智譜GLM-5-Turbo推出+20% API漲（Q1總83%）—LLM開發者預算警報。（32字）

⚡ 30-Second TL;DR

有什麼變化

推出GLM-5-Turbo基座模型，針對OpenClaw龍蝦場景。

為什麼重要

漲價顯示智譜運營成本上升，開發者需優化使用或轉供應商，中國LLM競爭加劇。股價反應顯示市場認可新模型。

下一步行動

在Q2價格全面影響前，對OpenClaw任務基準測試GLM-5-Turbo API。

誰應關注：Developers & AI Engineers

背景與延伸：來自公開資料，非原文內容。引用 8 個來源。

•GLM-5-Turbo是基於744B參數的開源模型，使用Ascend 910B硬體訓練，推理速度約17-19 tokens/秒。[4]
•模型採用Multi-head Latent Attention (MLA)降低33%記憶體開銷、DeepSeek Sparse Attention支援200K上下文，以及256 MoE Experts架構。[4]
•幻覺率從GLM-4.7的90%降至34%，使用Slime強化學習技術領先Claude Sonnet 4.5。[4]
•在BrowseComp達75.9%勝過GPT-5.2的65.8%，HLE with tools 50.4%超越Claude Opus 4.5。[2][3]

📊 競品分析▸ Show

模型	參數規模	BrowseComp	SWE-Bench Verified	Terminal-Bench	推理速度 (tok/s)	相對成本
GLM-5	744B	75.9% [2]	接近Claude/GPT [2]	56.2% [4]	17-19 [2][4]	~15% [4]
Claude Opus 4.5/4.6	閉源	65.8% [2]	領先 [2]	65.4% [4]	25+ [4]	基準100% [1]
GPT-5.2	閉源	65.8% [2]	領先 [2]	-	25+ [4]	基準100% [1]
Gemini 3 Pro	閉源	低於GLM [1]	低於GLM [1]	低於GLM [1]	-	-

架構創新：Multi-head Latent Attention (MLA) 降低33%記憶體開銷，等效GQA品質；DeepSeek Sparse Attention (DSA) 支援200K tokens長上下文；256 MoE Experts，每token僅激活8個，提升效率。[2][4]
Multi-Token Prediction (MTP)：參數共享預測多token，平均接受長度2.76 tokens，優於DeepSeek-V3.2的2.55。[2]
訓練硬體：Ascend 910B叢集，軟體優化彌補FLOPs差距，但推理速度落後NVIDIA H100的25+ tok/s。[4]
幻覺降低：Slime RL技術將率從90%降至34%，Artificial Analysis Omniscience Index提升35分。[4]
代理任務：Build Success Rate 98%，Check-item Success Rate 71.0%（React），但Instance Success Rate 34.6%。[2]

智譜AI將加速開源模型商業化

GLM-5作為首個開源模型挑戰閉源前沿，價格僅20%卻達95%效能，有助擴大市場份額。[4]

中國AI硬體依賴將持續限制推理速度

Ascend 910B落後NVIDIA H100，導致17-19 tok/s速度差距，需軟體優化彌補。[4]

代理編碼效能差距維持在9點內

Terminal-Bench 56.2%落後Opus 65.4%，但開源領先將推動快速迭代。[4]

2026-02

WaveSpeed AI測試Pony Alpha（GLM-5前身），驗證代理任務效能

2026-03

推出GLM-5開源模型，基準領先多項前沿模型

2026-03-15

靜默發布GLM-5-Turbo於OpenRouter，優化OpenClaw代理場景

Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.

AI 週報

閱讀本週精選 AI 大事摘要 →

同主題

探索 #api-pricing

同產品

更多關於 glm-5-turbo

同來源