智谱 GLM：37 个开源发布
GLM 系列：从 ChatGLM 到 GLM-5.3，全栈开源（语言 / 视觉 / 代码 / 视频 / 语音）
37发布节点
32技术突破
744B最大参数量
GLM实验室
发布年表
| 日期 | 模型 | 参数 | 上下文 | 许可 | 测评 | 复核 | 近 30 天下载 |
|---|---|---|---|---|---|---|---|
| 2026-08-25 | GLM-5.3 | 未公开 | 1M | other (glm-5.3) | GDPval-AA v2 1769 | 未复核 | 635,504 |
| 2026-08-25 | GLM-5.3-Flash | 320B | — | mit | — | 未复核 | 1,333,574 |
| 2026-06-16 | GLM-5.2 | 未公开 | 1M | mit | AIME 2026 99.2 | 未复核 | 932,248 |
| 2026-06-09 | SCAIL-2 | 未公开 | — | mit | — | 未复核 | 6,445 |
| 2026-04-03 | GLM-5.1 | 未公开 | — | mit | AIME 2026 95.3 | 未复核 | 82,309 |
| 2026-02-11 | GLM-5 | 744B | 200K | mit | HMMT Nov. 2025 96.9 | 未复核 | 58,754 |
| 2026-01-30 | GLM-OCR | 0.9B | — | mit | OmniDocBench V1.5 94.62 | 未复核 | 1,889,384 |
| 2026-01-19 | GLM-4.7-Flash | 30B | — | mit | AIME 25 91.6 | 未复核 | 1,882,455 |
| 2026-01-08 | GLM-Image | 未公开 | — | mit | — | 未复核 | 10,117 |
| 2025-12-22 | GLM-4.7 | 未公开 | — | mit | HMMT Feb. 2025 97.1 | 未复核 | 75,379 |
| 2025-12-09 | GLM-ASR-Nano-2512 | 1.5B | — | mit | Average error rate 4.1 | 未复核 | 56,071 |
| 2025-12-08 | AutoGLM-Phone-9B | 9B | — | mit | — | 未复核 | 2,563 |
| 2025-12-07 | GLM-4.6V-Flash | 9B | 128K | mit | — | 未复核 | 78,394 |
| 2025-10-25 | Glyph | 未公开 | — | mit | — | 未复核 | 305 |
| 2025-09-29 | GLM-4.6 | 未公开 | 200K | mit | — | 未复核 | 18,342 |
| 2025-08-10 | GLM-4.5V | 106B | — | mit | — | 未复核 | 45,375 |
| 2025-07-20 | GLM-4.5 | 355B | 128K | mit | 12 项行业标准基准综合平均分 63.2 | 未复核 | 80,489 |
| 2025-07-20 | GLM-4.5-Air | 106B | 128K | mit | 12 项行业标准基准综合平均分 59.8 | 未复核 | 101,674 |
| 2025-06-28 | GLM-4.1V-9B-Thinking | 9B | 64K | mit | — | 未复核 | 177,072 |
| 2025-04-13 | GLM-Z1-Rumination-32B-0414 | 32B | — | mit | — | 未复核 | 625 |
| 2025-04-08 | GLM-Z1-32B-0414 | 32B | 32K | mit | — | 未复核 | 50,636 |
| 2025-04-07 | GLM-4-9B-0414 | 9B | — | MIT | — | 未复核 | 20,652 |
| 2025-04-07 | GLM-4-32B-0414 | 32B | — | MIT | SimpleQA 88.1 | 未复核 | 4,342 |
| 2025-03-03 | CogView4-6B | 6B | — | Apache-2.0 | DPG-Bench Attribute 91.17 | 未复核 | 6,190 |
| 2024-11-02 | CogVideoX1.5-5B | 5B | — | CogVideoX LICENSE（other） | — | 未复核 | 2,986 |
| 2024-10-24 | GLM-4-Voice-9B | 9B | — | — | — | 未复核 | 8,548 |
| 2024-08-17 | CogVideoX-5B | 5B | — | CogVideoX LICENSE（other） | — | 未复核 | 15,371 |
| 2024-08-05 | CogVideoX-2B | 2B | — | Apache-2.0 | — | 未复核 | 22,018 |
| 2024-06-04 | GLM-4-9B-Chat | 9B | 128K | GLM-4 License（other） | XStoryCloze 90.7 | 未复核 | 87,488 |
| 2024-06-04 | GLM-4V-9B | 9B | 8K | GLM-4 License（other） | MME 2163.8 | 未复核 | 20,715 |
| 2024-05-16 | CogVLM2-LLaMA3-Chat-19B | 19B | 8K | CogVLM2 LICENSE（other），基于 Meta Llama 3 需同时遵守 LLAMA3_LICENSE | OCRBench 756 | 未复核 | 10,263 |
| 2023-12-15 | CogAgent-18B | 18B | — | Apache-2.0（代码）/ Model License（模型权重） | — | 未复核 | 488 |
| 2023-11-16 | CogVLM-17B | 17B | — | Apache-2.0（代码）/ Model License（模型权重） | — | 未复核 | 790 |
| 2023-10-25 | ChatGLM3-6B | 6B | — | Apache-2.0（代码）/ Model License（模型权重） | — | 未复核 | 61,785 |
| 2023-07-19 | CodeGeeX2-6B | 60 亿 | 8K | Apache-2.0（代码）/ Model License（模型权重） | HumanEval-X Rust 321 | 未复核 | 322 |
| 2023-06-24 | ChatGLM2-6B | 6B | 32K | Apache-2.0（代码）/ Model License（模型权重） | GSM8K 571 | 未复核 | 442,087 |
| 2023-03-13 | ChatGLM-6B | 62 亿 | — | Apache-2.0（代码）/ Model License（模型权重） | — | 未复核 | 3,070 |
技术突破
| 时间 | 缩写 | 名称 | 环节 | 幅度 | 复核 |
|---|---|---|---|---|---|
| 2023-03-13 | RLHF | 以 62 亿参数配合 INT4 量化 | 推理 | 总参 62 亿 | 未复核 |
| 2023-06-24 | GLM·2-6B | 上下文长度由初代的 2K 扩展至 32K | 训练 | 上下文 32K | 未复核 |
| 2023-07-19 | INT4 | 仅 60 亿参数即在 HumanEval-X | 训练 | 上下文 8K | 未复核 |
| 2023-10-25 | Prompt | 原生支持工具调用 | 后训练 | 总参 6B | 未复核 |
| 2023-11-16 | MLP | 视觉专家模块 | 多模态 | 总参 17B | 未复核 |
| 2023-12-15 | GUI·CogAgent-18B | 首个把 VLM 用作 GUI Agent | 多模态 | 总参 18B | 未复核 |
| 2024-05-16 | GPT | 图文文档理解大幅跃升 | 多模态 | 上下文 8K | 未复核 |
| 2024-06-04 | BFCL | 把 128K 长上下文、26 种多语言与 F | 推理 | 上下文 128K | 未复核 |
| 2024-06-04 | AI2D | 高分辨率文字识别反超闭源旗舰 | 多模态 | 上下文 8K | 未复核 |
| 2024-08-05 | torchao | 把文生视频门槛压到消费级 | 多模态 | 总参 2B | 未复核 |
| 2024-08-17 | BF16·CogVideoX-5B | 用 3d_rope_pos_embed 替换 | 多模态 | 总参 5B | 未复核 |
| 2024-10-24 | GLM·4-Voice-9B | 端到端语音对话并可按指令改变情感、语调、语速 | 多模态 | 总参 9B | 未复核 |
| 2024-11-02 | BF16·CogVideoX1.5 | 分辨率从 720×480 提升到 1360× | 多模态 | 总参 5B | 未复核 |
| 2025-04-07 | SWE·4-32B-0414 | 32B 稠密模型在 IFEval | 训练 | 总参 32B | 未复核 |
| 2025-04-08 | RL·Z1-32B-0414 | 在 32B 开源规模上做出对标 DeepSe | 训练 | 上下文 32K | 未复核 |
| 2025-06-28 | RL·4.1V | 首个以「思考范式 + 强化学习」训练的 GL | 多模态 | 上下文 64K | 未复核 |
| 2025-07-20 | A32B | 以 355B-A32B 规模在 12 项标准 | 推理 | 上下文 128K | 未复核 |
| 2025-07-20 | A12B | 以 106B-A12B 的紧凑设计拿到 59 | 推理 | 上下文 128K | 未复核 |
| 2025-08-10 | GLM·4.5V | 在 42 项公开视觉语言基准上取得同规模 S | 多模态 | 激活 12B | 未复核 |
| 2025-09-29 | TIR | 上下文从 128K 扩到 200K 以支撑更 | 推理 | 上下文 200K | 未复核 |
| 2025-12-07 | HTML | 首次在 GLM-V 系列引入原生 Funct | 多模态 | 上下文 128K | 未复核 |
| 2025-12-08 | GUI·AutoGLM | 把视觉语言模型直接接进真实手机 GUI | 多模态 | 总参 9B | 未复核 |
| 2025-12-09 | V3 | 以 1.5B 规模取得同类开源模型最低平均错 | 多模态 | 总参 1.5B | 未复核 |
| 2025-12-22 | SWE·4.7 | SWE-bench Verified 73. | 后训练 | 见模型卡 | 未复核 |
| 2026-01-08 | GLM·Image | CVTG-2K 词准确率 0.9116 / | 多模态 | 见模型卡 | 未复核 |
| 2026-01-19 | A3B | 以 30B-A3B 在 SWE-bench | 架构 | 激活 3B | 未复核 |
| 2026-01-30 | MTP·OCR | 以 0.9B 规模在 OmniDocBenc | 多模态 | 总参 0.9B | 未复核 |
| 2026-02-11 | DSA | 从 GLM-4.5 的 355B-A32B | 训练 | 上下文 200K | 未复核 |
| 2026-04-03 | SWE·5.1 | 在长程任务上可维持数百轮优化、数千次工具调用 | 后训练 | 见模型卡 | 未复核 |
| 2026-06-16 | MTP·5.2 | solid 1M 上下文 + IndexSh | 训练 | 上下文 1M | 未复核 |
| 2026-08-25 | GLM·5.3 | 编码能力较 GLM-5.2 提升 50% | 训练 | 上下文 1M | 未复核 |
| 2026-08-25 | mHC | 首次在 GLM 系列引入稀疏+线性混合注意力 | 多模态 | 激活 18B | 未复核 |
下载量为 Hugging Face 报告的滚动 30 天口径；模型卡未标注的字段一律留空，不做推测。