GLM-4.5

开箱即用的智能体+推理+编程全能模型,复杂任务一次搞定

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 486 🐛 待处理 34 👀 关注 48
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 4428
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源模型,Apache-2.0许可,可免费本地部署使用,无在线服务。

项目预览

GLM-4.5 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开源模型
开发团队zai-org
定价模式🏷️完全免费
价格说明开源模型,Apache-2.0许可,可免费本地部署使用,无在线服务。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agent,glm,llm,moe,reasoning-language-models
GitHub 星标★ 4428
上线时间2025-07-20 00:00:00
代码更新2026-02-01
仓库体积8.6 MB
本站数据更新2026-11-18
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

GLM-4.5 是智谱AI推出的新一代开源基础模型系列,专注于智能体(Agentic)、推理(Reasoning)和编程(Coding)三大核心能力,简称ARC模型。它解决了当前大模型在复杂任务中需要多步推理、工具调用和代码生成时表现不足的问题,通过强化学习等技术提升了模型的自主决策和任务执行能力。该系列包含不同规模的模型,支持文本和视觉输入,在多项基准测试中表现优异,尤其在编程和智能体任务上接近或超越国际顶尖闭源模型。项目提供了完整的模型权重、推理代码和微调工具,方便开发者部署和二次开发。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4428

使用教程

难度:高级 约 30 分钟 部署方式:模型权重 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 已安装 Python 环境(具体版本要求见仓库 requirements.txt)
  • 已安装 Git,并能访问 GitHub
  • 具备可运行 sglang / vllm 的 GPU 环境
  • 如不想本地部署,可准备 Z.ai API 平台账号直接调用

安装与启动步骤

  1. 1克隆仓库

    把 GLM-4.5 官方仓库拉到本地,后续依赖安装都在该目录内进行。

    git clone https://github.com/zai-org/GLM-4.5.git
  2. 2进入项目目录

    切换到刚克隆下来的仓库根目录,requirements.txt 就在这个目录下。

    cd GLM-4.5
  3. 3查看依赖要求

    README 明确要求按 requirements.txt 的配置安装 sglang、vllm 等依赖,先看清版本约束。

    cat requirements.txt
  4. 4安装依赖

    按 requirements.txt 安装推理依赖,建议在独立虚拟环境中执行,避免与系统包冲突。

    pip install -r requirements.txt
  5. 5改用 API 调用

    README 提供 Z.ai API 平台入口,不想本地跑权重可直接走云端接口,无需上述环境。

如何确认成功

依赖安装无报错即完成准备;README 未给出本地启动命令与端口,需按官方文档确认模型服务是否可用。

常见问题

Q:本地部署需要什么显卡和显存?

A:README 未给出硬件要求,只要求按 requirements.txt 配置 sglang、vllm 等依赖,具体显存需求请查阅官方技术文档。

Q:没有 GPU 可以用吗?

A:可以。README 提到可在 Z.ai API 平台使用 GLM 系列接口服务,无需本地部署权重。

Q:该装 sglang 还是 vllm?

A:README 将两者都列为示例推理依赖,具体选型与版本以 requirements.txt 中的约束和官方文档为准。

Q:仓库里包含哪些模型?

A:README 标题显示仓库同时涵盖 GLM-4.7、GLM-4.6 与 GLM-4.5,请按需确认对应版本的文件与说明。

注意事项

  • README 仅给出“按 requirements.txt 安装依赖”的说明,未提供模型下载、本地启动命令、端口和参数,请以官方文档与技术报告为准。
  • requirements.txt 之外不要凭标题猜测其他包名或安装命令,以免装错版本。
  • 本地推理依赖 sglang / vllm 等框架,通常需要 GPU 环境,建议先把 CUDA 与驱动版本对齐再安装。
  • 如需快速验证效果,可优先使用 Z.ai API 平台或在线体验入口,跳过本地权重部署。

核心亮点

  • 在Agent任务上表现突出,能自主调用工具完成多步操作
  • 编程能力强劲,代码生成和修复准确率高,接近闭源顶级模型
  • 支持视觉与文本多模态输入,应用场景更广

不足之处

  • 模型体积较大,推理资源需求高,轻量部署有门槛
  • 文档/社区待观察

适用场景

  • 智能体开发:构建能自主规划、调用API的AI助手
  • 代码辅助:代码生成、补全、Bug修复及单元测试编写
  • 复杂推理:数学、逻辑、科学问题求解

替代项目

Qwen2.5、DeepSeek-V3、Llama 3.1

上一篇:ultravox

下一篇:spark-nlp

同类项目推荐

XR-1 开源

统一视觉与运动表征,让机器人模型学会跨任务泛化

Towards Versatile Vision-Language-Action Models via Learning Unified Vision-Motion R···

★ 171 2026-08-09
OralGPT 开源

让 AI 看懂口腔影像,辅助诊断和报告生成

[NeurIPS'25 | CVPR'26] The official repo of OralGPT & MMOral Bench.

★ 111 2026-08-09
Awesome-Code-LLM 开源

一张表看懂代码大模型,快速选型不迷路

‍ An awesome and curated list of best code-LLM for research.

★ 1295 2026-08-09
steerling 开源

让扩散语言模型边生成边给出可追溯的解释

Interpretable Causal Diffusion Language Models

★ 239 2026-11-12
TinyLLaVA_Factory 开源

小算力也能训练多模态大模型,快速复现和实验

A Framework of Small-scale Large Multimodal Models

★ 1011 2026-10-18
Show-o 开源

一个Transformer搞定图像理解与生成,告别多模型拼接

[ICLR & NeurIPS 2025] Repository for Show-o series, One Single Transformer to Unify ···

★ 1987 2026-08-09
Scientific-LLM-Survey 开源

一文看懂生物化学领域的大模型研究全景

Scientific Large Language Models: A Survey on Biological & Chemical Domains

★ 363 2026-08-09
tapestry 开源

联合全球力量,训练属于你的主权AI模型

Project Tapestry aims to give every nation and participant frontier AI they can call···

★ 306 2026-08-09
Awesome-LLM-Strawberry 开源

一站式追踪 o1 推理前沿,快速上手慢思考模型

A collection of LLM papers, blogs, and projects, with a focus on OpenAI o1 and reas···

★ 6899 2026-08-09