GLM-4.5: новый китайский флагман с агентными возможностями

Компания Z.ai (Zhipu AI Inc) выпустила GLM-4.5 — модель с 32-355 млрд параметров. По бенчмаркам заняла третье место в мире и первое среди открытых моделей.

Встроенные агентские способности для планирования многоэтапных задач.
Умеет работать с инструментами.

Включена в Stanford AI Index Report 2025 как "notable AI model".

Что интересно, - это не клон Дипсика или Кими К2, - а собственная отдельная разработка.

Натренили на 15Т токенах общего плана и затем на 7Т токенов кода и ризонера.

Полный размер - 744 гига.

Пробовать можно тут: chat.z.ai
API:docs.z.ai/guides/llm/glm-4.5
HuggingFace
ModelScope

Китайцы выпускают opensource топ модели с какой-то невероятной скоростью

#GLM #MoE #zai #Китай
———
@tsingular

GLM обновили до версии 4.7

Команда Z.ai выкатила GLM-4.7 — MoE модель на 358B, заточенную под агентное кодирование и рассуждения.

Рост метрик: 73.8% на SWE-bench (+5.8% к предыдущей версии), 66.7% на SWE-bench Multilingual (+12.9%), 41% на Terminal Bench 2.0 (+16.5%).

Гораздо лучше пишет код, дизайн веб страниц и презентаций.
Точнее управляется с инструментами, в том числе, как оператор браузера.
За счёт улучшенного режима рассуждений выбивает 42.8% в HLE!

Ключевая фишка — Preserved Thinking: модель сохраняет все блоки рассуждений между запросами, не теряя контекст в длинных диалогах.

Работает через vLLM и SGLang.
Полный размер 700Gb+

Так же доступна по API и напрямую на платформе:
https://chat.z.ai/

Короче, если у вас есть 750 Гигов на GPU,- сможете получить практически аналог GPT 5.2 или Gemini 3 Pro или Opus 4.5 у себя дома.
Или 380 если в 8битной нарезке.

#GLM #ZAI #Китай
------
@tsingular

Zhipu ( z.ai ) дебютирует в Гонконге: первое IPO китайской LLM-компании

Zhipu закрылась на 13% выше цены размещения HK$116.20, став первой китайской LLM-компанией на бирже.

Основатель Тан Цзе анонсировал GLM-5 — новое поколение модели с «принципиально иной архитектурой».

Предыдущая версия GLM-4.7 показала себя очень достойно.
Многие меняют её в ClaudeCode и ставят вместо Opus 4.5. Модель набирает 95.7% на AIME 2025.
При этом цена подписки начинается от $3 в месяц!
Попробовать можно тут

Завтра так же на биржу выходит MiniMax по HK$165 за акцию — рекорд скорости от основания до листинга в AI-индустрии.

#Zhipu #GLM #MiniMax #ZAI #Китай
———
@tsingular

EIGent — open-source ответ на Anthropic Cowork

Давным-давно, аж 12 января (в начале недели) Anthropic выкатил Cowork, если кто забыл :).

Много чего интересного за эту неделю произошло, но этот кейс еще не обсуждали тут.

EIGent, стартап со схожим функционалом, решил не конкурировать на одной поляне и в середине недели выложил весь свой проект в open-source.

Умеет, в принципе, всё то же самое, что и Cowork:
Мультиагентная архитектура,- несколько специализированных агентов работают параллельно:
- Developer Agent — код, терминал
- Search Agent — веб-поиск
- Document Agent — документы
- Multi-Modal Agent — изображения, аудио

Ключевые фичи:
- 100% open-source (лицензия на базе Apache 2.0)
- Локальное развертывание — данные остаются у вас
- Поддержка кастомных моделей (включая локальные)
- MCP интеграция (browser, terminal, Notion, Slack и т.д.)
- Human-in-the-loop — агент запрашивает подтверждение у человека, если что не понятно
- Desktop-приложение (Electron) + web

Стек: FastAPI + React/TypeScript, построен на фреймворке CAMEL-AI.

Типовые сценарии:
- Планирование поездки с поиском, бронированием и отправкой итога в Slack
- Анализ банковских выписок → HTML-отчёт с графиками
- SEO-аудит сайта
- Поиск дубликатов в папках

Но самое вкусное, - дальше Z.ai поддержал проект
Предоставили интеграцию с GLM Coding Plan — можно использовать китайские модели GLM-4.5/4.7 через их API.
Инструкция в документации.

#EIgent #Cowork #ZAI #агенты #OSS
———
@tsingular

GLM-4.7-Flash от Z.ai: малая китайская MoE-модель бьёт конкурентов на агентных бенчмарках

Z.ai выпустили облегчённый оупенсорс вариант своего флагмана, - GLM-4.7-Flash
Архитектура: MoE на базе DeepSeek2. При 30B общих параметров активны только 3B — отсюда и "Flash" в названии.

В бенчмарках особенно заметен отрыв на агентных задачах: SWE-bench (реальные GitHub-баги) — почти 3x лучше, чем Qwen3-30B-A3B-thinking-2507, τ²-Bench (сложные многошаговые задачи) — 1.6x лучше всех.

Особенности мышления
Interleaved Thinking — модель думает перед каждым действием и вызовом инструментов, а не только в начале.

Preserved Thinking — сохраняет цепочку рассуждений между ходами в многошаговых задачах. Не переоткрывает заново то, что уже вывела.

Turn-level Thinking — можно включать/выключать режим рассуждений на лету: простые запросы будут выполняться быстро, сложные, - с детальными размышлениями.

Локальный запуск: GGUF от Unsloth
Полный размер модели — 60 ГБ, но Unsloth уже нарезал GGUF-квантизации:

Минимальный порог входа — 10.6 ГБ для 2-битной версии. Реалистично для домашнего использования: Q4_K_M на ~18 ГБ.

Практическое применение
- Поддерживает Claude Code, Cline, Roo Code, Kilo Code, opencode — можно подключить вместо дефолтной модели
- через облако, -подписка GLM Coding Plan — от $3/мес, "1/7 цены Claude с 3x квотой"
- На Cerebras, кстати, GLM 4.6 полная выдаёт ~1000 токенов/сек, а Flash, похоже и 2000 выдаст.
Агенты будут просто летать.

В общем, отличная агентская модель, да еще и open-source уровня топовых закрытых.

MIT-лицензия.

Ссылки:
- [HuggingFace (оригинал)]
- [GGUF от Unsloth]
- [Техблог]

#GLM #ZAI #Coding #OSS #Unsloth #Китай
———
@tsingular

Ай да Z.AI, ай да молодцы :)

GLM-5 , дамы и господа!

прямо перед Китайским новым годом!

бегим тестить волосы назад!!!

сюда: https://chat.z.ai/

Ещё квенушка бы не подвел... до КНГ осталось ещё время! :)

#КНГ #ZAI #GLM5
———
@tsingular

Ждём opensource и карту модели

https://huggingface.co/zai-org

https://modelscope.ai/organization/zai-org

#ZAI #GLM5
———
@tsingular

А ещё Z.AI вчера выкатили свою среду разработки Z Code.

Есть версия под мак и под Windows

Качать тут: https://zcode.z.ai/

#ZAI #dev
———
@tsingular

GLM-5 открыли по API для Max и Pro планов.

Lite - на очереди.

#ZAI #GLM
———
@tsingular

GLM-5-Turbo: Нативная модель для OpenClaw

Z.ai представили GLM-5-Turbo — фундаментальную модель, оптимизированную под архитектуру OpenClaw уже на этапе обучения.

🛠 Технические параметры:
— Объем: 200K контекст, 128K выход.
— Функции: Thinking Mode, Context Caching, Native MCP, Structured JSON.

🧠 OpenClaw Native:
— Tool Calling: Точный вызов внешних инструментов без сбоев в многошаговых задачах.
— Time Dimensions: Нативное понимание временных триггеров и запланированных задач.
— Long-chain: Стабильность в длинных логических цепочках и высокая пропускная способность.
— Бенчмарки: Модель прошла оптимизацию под ClawBench для работы в бизнес-сценариях.

💼 Зачем бизнесу:
GLM-5-Turbo убирает барьер между диалогом и исполнением действий. Это база для развертывания автономных роев агентов, управляющих сложной логикой без потери контекста.

неужели GLM перестанить тупить на Крабе?
Проверяем.

#ZAI #GLM5 #OpenClaw #Turbo
───
@tsingular

GLM 5.1 и GLM-5-Turbo появились в подписке Coding Plan на z.ai

с промо-кодом вы получите 10% скидки:
https://z.ai/subscribe?ic=GHAFTZRSA1

#GLM #ZAI #рефералки
———
@tsingular

Тем временем Z.AI GLM-5.1 на тестах за 8 часов построила эмулятор рабочего стола Linux в Web с 50+ приложениями.

Пока Антропик будет тесты жевать с предрелизами по $125 за млн токенов, - китайцы 10 раз его обгонят

Если вдруг вздумаете брать подписку, напоминаю, что через реферралку на 10% дешевле:
https://z.ai/subscribe?ic=GHAFTZRSA1

#Китай #ZAI #GLM
———
@tsingular

z.ai подсуетились :)

GLM-5.2 is now available to all GLM Coding Plan users across Lite, Pro, Max, and Team plans.

проверяем

#ZAI #GLM
———
@tsingular

GLM строит свою инференс-инфраструктуру сама: ранние формы рекурсивного самоулучшения (RSI)

Z.ai опубликовала технический отчет о запуске GLM-5.3-Flash: на кластере из более 100 000 китайских AI-ускорителей всю производственную инфраструктуру инференса подняла не команда инженеров, а Infra Agent под управлением самой GLM-5.3.

Модель адаптировалась к новому железу и вышла в прод за две недели, утраивая сквозной throughput. Через неделю анонимного тестирования на OpenCode и OpenRouter (псевдоним Ox-Alpha) Flash стала самой используемой моделью обеих платформ: 62 трлн токенов за 6 дней.

⚡️ Модель оптимизирует систему, система запускает модель:
Прорыв тут не в силе модели, а в контуре обратной связи.
Команда внедрила принцип плотной (dense) обратной связи, - вместо размытых сигналов вида «точность упала на 20%» агент получает локальные проверяемые факты: сравнение ядер по численной точности, микробенчмарки, трейсы выполнения.

Это позволило агенту самому находить и чинить баги уровня, о котором раньше говорили только сеньоры: численное расхождение в KDA-ядре из-за TF32 (фикс через tf32x3 уже ушел в апстрим Flash Linear Attention) и блокировка Python GIL в DeepEP, тормозившая передачу KV-кэша (разрыв упал с 20% до менее 1%).

🔥 Два факта, о которых стоит подумать:
• Каждый крупный лабораторный стартап сейчас строит подобные агентские контуры для обучения и инференса своих же моделей.
• При этом ни одна лаборатория по безопасности всерьез не занимается оценкой RSI-рисков, - нет ни стандартов, ни независимых бенчмарков на измерение близости к рекурсивному самоулучшению.

Z.ai пишет: люди по-прежнему задают цели и границы, но прогресс на этой границе не замедлится только потому, что нам этого хочется.

#GLM #инференс #RSI #агенты #Zai
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен

Z.ai рассказала, как GLM улучшает инфраструктуру, на которой работают её модели

В Z.ai агент на базе GLM-5.3 помог подготовить инфраструктуру для GLM-5.3-Flash на кластере из более чем 100 тысяч китайских ускорителей. По данным команды, от первого запуска до готовности обслуживать пользователей прошло меньше двух недель, а сквозная пропускная способность выросла примерно втрое относительно исходной реализации.

🔬 Ключевым оказался способ проверки изменений. Одного сообщения «после правки стало медленнее» агенту мало. Ему дали тесты отдельных вычислений, сравнение с эталоном, замеры и трассы выполнения. Теперь гипотезу можно проверить локально, выяснить причину и только затем возвращаться к испытанию всего сервиса.

🔧 Например, при передаче KV-кэша производительность в некоторых сценариях падала более чем на 20%. Агент заметил, что передача не совмещается с вычислениями, и проследил проблему до C++-вызовов, удерживавших блокировку Python. Она мешала другому потоку вовремя отправлять данные. После освобождения блокировки разрыв с режимом без передачи кэша сократился до менее 1% в тех же условиях.

🧠 Опыт сохранялся между итерациями. Агент изучал существующие реализации и собирал библиотеку приёмов оптимизации: когда применять изменение, какие ресурсы нужны и какими экспериментами подтверждён эффект. Проверенные находки пополняли библиотеку и помогали в следующих задачах. Улучшения накапливались в коде и инженерных знаниях, без описанного в статье переобучения самой GLM.

🔁 Так выглядит показанный здесь шаг к RSI: модель улучшает систему, которая запускает модели, а результаты работы помогают следующему циклу. Люди по-прежнему задают цели, ограничения и проверяют рискованные изменения. Практический вывод Z.ai: для такого цикла нужны доступные агенту эксперименты, которые объясняют, где возникла проблема и сработало ли исправление.

До этого была только информация, что ИИ агент им помог, теперь поделились деталями.

📎 Одно из исправлений уже принято в Flash Linear Attention

#Zai #GLM #RSI #Агенты
———
@tsingular