GLM-5做的三件事都挺切实：1、模型真的能实现复杂工作了，不只是写几行代码；2、训练效能上了一个台阶，超大模型不再是纯烧钱游戏；3、从底层到推理框架全面适配国产芯片——这个最关键。 汇报提了个概想转变：从 Vibe Coding 到 Agentic Engineering。前者是你说一句我给段代码，后者是你给指标、我自己规划拆解、写代码调工具、调试迭代，直到把整个系统搞定。 天生与训练解耦。模型天生轨迹，训练在另一套系统异步进行。从前要等最慢工作实现才持续训练，此刻谁先实现谁先训练，吞吐大幅提升。对长程Agent工作至关沉要。 汇报称，得益于上述软硬协同的极致优化，GLM-5 在单台国产算力节点上的机能阐发，已足可媲美由两台国际主流 GPU 组成的推算集群；不仅如此，在长序列处置场景下，其部署成本更是大幅降低了 50%。