智谱发布新模型GLM-5.3-FlashX，最高速度达每秒200 token，主打企业开发者体验。其前身GLM-5.3-Flash曾以“Ox Alpha”面向全球开发者，凭同尺寸领先智能表现积累口碑，调用量快速增长。为应对需求，智谱依托10万张国产芯片算力，持续加码基础设施与推理优化。
智谱9月13日宣布完成约50亿美元融资，资金重点用于下一代GLM基础模型研发、完全自训练体系及算力基础设施建设。智谱将“完全自训练”作为核心突破方向，让下一代GLM在上一代构建的智能环境中训练，形成递归式自我改进循环。
AI服务商Writer推出旗舰模型Palmyra X6，基于开源模型GLM-5.2后训练变体，并升级智能代理运行框架，可将企业基础任务的Token成本降低高达50%，旨在破解AI“越用越贵”困境。
Hugging Face遭黑客AI攻击后，先用美国商业大模型API分析1.7万条日志，却因无法区分攻防人员遭安全机制误判拒阻；随后转向自身基础设施部署中国开源模型GLM5.2，成功完成海量日志取证。事件突显不同AI模型在安全场景下的表现差异。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$6
$24
Baidu
128
$2
$20
Bytedance
$1.2
$3.6
4
noctrex
这是GLM-4.5-Air-REAP-82B-A12B模型的MXFP4_MOE量化版本，专门针对文本生成任务进行了优化。该模型基于cerebras的GLM-4.5-Air-REAP-82B-A12B基础模型，通过MXFP4混合专家量化技术实现，在保持性能的同时显著减小模型体积和推理成本。
QuantTrio
GLM-4.6-GPTQ-Int4-Int8Mix是基于zai-org/GLM-4.6基础模型的量化版本，在文本生成任务上表现出色。该模型通过GPTQ量化技术实现了模型大小的优化，同时保持了良好的性能表现。
GLM-4.6-AWQ是基于zai-org/GLM-4.6基础模型的量化版本，具备高效的文本生成能力。相比GLM-4.5，该模型在上下文窗口、编码性能、推理能力和智能体功能等方面都有显著提升。
Jackmin108
GLM-4.5-Air是智谱AI推出的适用于智能体的基础模型，采用紧凑设计，统一了推理、编码和智能体能力，能满足智能体应用的复杂需求。该模型参数量适中且效率优越，已开源多种版本，可用于商业和二次开发。
cpatonn
GLM-4.5V-AWQ-4bit是基于智谱AI下一代旗舰文本基础模型构建的量化版本多模态模型，通过AWQ-4bit量化技术优化，在保持优异性能的同时显著降低计算资源需求。该模型在42个公开视觉语言基准测试中达到同规模模型的SOTA性能，具备强大的视觉推理能力。
GLM-4.5-Air-AWQ是基于GLM-4.5-Air基础模型的8位量化版本，专为智能代理设计，采用混合推理模式，支持复杂推理和即时响应，在MIT开源许可下发布。
unsloth
GLM-4.5是为智能代理设计的基础模型，统一了推理、编码和智能代理能力，总参数达3550亿，在12个行业标准基准评估中排名第3，得分63.2。采用MIT开源许可，可用于商业和二次开发。
GLM-4.5-AWQ是基于GLM-4.5基础模型的4位量化版本，采用先进的AWQ量化方法，在保持较好性能的同时显著提升推理效率。该模型专为智能代理设计，统一了推理、编码和智能代理能力。
GLM-4.5-Air-AWQ 是基于 zai-org/GLM-4.5-Air 基础模型进行4位AWQ量化的文本生成模型，专为智能代理应用设计，在推理、编码和智能代理能力方面表现优异，采用MIT开源许可证。
GLM-4.1V-9B-Thinking是基于GLM-4-9B-0414基础模型的开源视觉语言模型，专门探索视觉语言模型推理能力的上限。它引入'思考范式'并利用强化学习显著增强能力，在10B参数的VLM中表现卓越，在多项基准任务中媲美甚至超越更大参数的模型。
Mungert
GLM-4.1V-9B-Thinking是基于GLM-4-9B-0414基础模型开发的视觉语言推理模型，专注于图像文本到文本转换，在复杂多模态任务中表现出色，支持64K长上下文和4K分辨率图像处理，提供中英双语支持。
Delta-Vector
基于Arcee GLM4基础模型的微调模型，主要用于文本生成任务，采用ChatML格式，移除了安全对齐示例。
THUDM
GLM-4.1V-9B-Thinking是基于GLM-4-9B-0414基础模型的开源视觉语言模型，专注于提升复杂任务中的推理能力，支持64k上下文长度和4K图像分辨率。
zai-org
GLM-4.1V-9B-Thinking是基于GLM-4-9B-0414基础模型的开源视觉语言模型，通过引入'思维范式'和强化学习显著提升了模型性能，在100亿参数的VLMs中达到了领先水平，在18项基准任务中与甚至超越了720亿参数的Qwen-2.5-VL-72B。
GLM-4.1V-9B-Base是智谱AI开发的开源视觉语言基础模型，拥有90亿参数，专注于多模态推理能力，支持中英双语，处理高达4K分辨率的图像和64K上下文长度。
CogView4-6B是清华大学开发的高性能文本到图像生成模型，基于GLM-4-9B基础模型构建，支持高分辨率图像生成，在多项基准测试中表现优异，特别在中文文本准确性方面表现突出。
CogView4-6B 是一个基于 GLM-4-9B 基础模型的文生图模型，支持中文和英文，能够生成高质量的图像。
glif-loradex-trainer
基于FLUX.1-dev基础模型微调的LoRA模型，专注于生成特定风格的图像，使用触发词'glmrshts'来生成图像。
Gguf%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Join Now
