智譜萬億參數大模型是智譜AI下一代旗艦基座模型，參數量突破一萬億，采用MoE混合專家架構，預期在2026年8月發佈。該模型繼GLM-5.2之後，代表智譜麵向通用人工智能AGI的最新探索方向，融合自主迭代升級RSI和長程智能體兩條雙軌技術路徑，旨在推動AI從對話、編程等表層競爭升級到長程推理、自主決策等深層能力。
智譜萬億參數大模型是國內領先AI企業智譜AI（現更名為Z.ai）的下一代核心產品。根據摩根大通研究報告和官方訊息，該模型參數規模超過1萬億，在GLM-5.2的技術基礎上進行了全面升級。與當前主流的千億級模型相比，萬億參數大模型在知識容量、推理能力、多模態認知等方面都有量級躍升。
智譜萬億參數大模型的定位是麵向通用人工智能AGI的基座模型，而非垂直行業解決方案。智譜CEO張鵬在多個公開場合強調，公司把2024年定位為AGI元年，大模型的終極目標是讓機器像人一樣深度思考、理解世界、使用工具。萬億參數模型在這一路線圖中扮演關鍵角色，它突破了單純追求參數量的局限，更強調參數效率和能力密度。
根據唐傑的闡述，現階段AI已經不需要繼續在對話和編程領域卷，下一代大模型應該聚焦於兩個全新方向：一是RSI遞歸自我改進，模型能夠自我訓練、自我進化；二是更長程、更自主的智能體能力，能夠獨立完成複雜任務鏈、在複雜環境中自主決策。萬億參數大模型正是為這兩條路徑設計的。
使用者經常問：為什麼要做萬億參數的模型？這背後的邏輯在於，參數量決定了模型的知識上限和表達能力上限。從GLM-5.2的約740億參數升級到萬億級，意味着模型能夠存儲和處理的訊息量增加10倍以上，這對長上下文理解、複雜推理、多任務泛化都至關重要。尤其在長程智能體應用中，模型需要在數千步的任務執行過程中保持一致的推理和決策能力，萬億參數規模才能撐住這種複雜度。
另一個常見問題是：萬億參數模型會不會特別貴？智譜的回答是采用稀疏激活的MoE架構，并不是所有參數都在每次推理時同時計算。GLM-5.2以740億總參數激活40億參數完成推理，成本約為GPT-5.5的六分之一。萬億參數模型預期也會采用類似的稀疏設計，保持成本可控。
智譜萬億參數大模型在技術架構上并非簡單的參數堆砌，而是融合了預訓練、中訓練、後訓練全鏈路的創新，并明確了兩條并行的技術演進路徑。這個雙軌設計理念來自創始人唐傑在2026年7月至8月期間的多場演講中的闡述。
智譜萬億參數大模型采用的雙軌技術路徑分別是：自主迭代升級RSI路線和長程智能體路線。RSI是指模型在完全自我訓練模式下不斷進化，即模型從預訓練、到中訓練、再到後訓練（包括SFT、RLHF、RLVR等強化學習），都能夠自己監督和優化自己，最終實現自我進化。這是一個極大的技術挑戰，核心難點在於模型如何精確判斷什麼時候該停止、什麼時候應該糾正自己，這不是簡單地把模型訓大就能解決的問題。
長程智能體路線則聚焦於讓模型在複雜、長周期的任務中保持自主性和目標一致性。相比當前AI助手能處理的數十步任務，萬億參數大模型瞄準的是數百步甚至更長周期的自主執行。例如模型需要在開放的網路環境中完成多天的研究任務、跨越多個應用的工作流編排、在不確定的環境中反復調整策略，這些都需要超越現有模型的長程推理和決策穩定性。兩條路線并行推進，一個強化模型的自我進化能力，一個拓展模型的自主決策范圍，合力指向真正的通用人工智能。
在具體訓練架構上，智譜萬億參數大模型延續了GLM-5系列已經驗證的關鍵技術：MoE稀疏激活設計、全自研預訓練框架、國產晶片適配。根據公開資料，GLM-5系列全部在華為昇騰晶片上訓練，不依賴英偉達GPU，這對國產AI獨立性具有裡程碑意義。GLM-5系列在10萬張華為昇騰晶片上訓練了28.5萬億tokens，建立了完整的訓練工程體系。
萬億參數大模型在這個基礎上進一步擴展。根據唐傑的介紹，預訓練的數據和規模會擴大到幾萬億tokens，這個數據規模突破提升了模型的智能上限。同時在後訓練方面，智譜被業界譽為後訓練仙人，擁有特別強的強化學習調優能力。萬億參數模型會加強SFT有監督微調、RLHF人類反饋強化學習、RLVR價值函數反饋強化學習等多種強化學習技術，確保參數的有效激活和能力的均衡發展。
智譜萬億參數大模型的核心能力突破涵蓋多個方面。相比前代GLM-5.2，萬億參數模型在推理深度、認知广度、工具鏈整合等方面都有顯著增強。
長程推理是萬億參數大模型的首要突破方向。當前主流大模型雖然在單次推理的準確率上已經很高，但在數百步以上的複雜推理鏈中容易出現推理漂移，即推理過程中逐步偏離初始目標。這是因為參數量不足以同時維持長期任務的上下文理解、中間步驟的正確性驗證、最終目標的對齊。萬億參數規模通過提供更多的參數容量，使模型能夠在推理過程中維持多個平行的思維線索，不斷對中間結果進行自我驗證和糾正。
根據GLM-5.1的性能記錄，該模型已經能夠在終端基准測試Terminal-Bench上跑通數千次工具調用（有數據顯示超過6000次），而不會出現明顯的性能衰減。萬億參數模型預期將這個能力提升一個量級，支持更複雜的多步驟自動化流程和更長周期的自主決策。推理能力的另一個側麵是數學和邏輯推理的精度，GLM-5.2在AIME美國數學邀請賽2026上的成績已接近世界先進水平。
智譜萬億參數大模型雖然主要聚焦文本推理，但其多模態處理能力也會有顯著增強。根據智譜的產品規劃，2024年以來智譜已經推出了文生圖模型CogVideoX、端到端語音模型GLM-4-Voice和GLM-4-VideoCall、智能體AutoGLM等，形成了覆蓋文本、圖像、音頻、影片的全模態模型矩陣。萬億參數大模型作為基座，會強化對多模態輸入的理解和融合能力。
具體來說，當模型接收包含圖表、圖片、影片片段的混合輸入時，萬億參數的容量讓模型能夠同時維持文本理解和視覺理解的深度，而不是簡單地做特徵拼接。例如在分析一份包含表格、圖表、文字說明的財務報告時，模型能夠理解各個模態之間的邏輯關係，而不僅僅是識別出圖片裡有什麼。這對金融分析、醫學診斷、工程設計等需要跨模態推理的行業應用尤為關鍵。
智譜AI官方提供了多個入口讓使用者和開發者訪問GLM系列大模型及相關服務。
智譜官方網站：https://bigmodel.cn/ 這是智譜的主要MaaS模型即服務平臺，使用者可以在這裡直接調用GLM系列模型的API，包括GLM-5.2、GLM-5.1等已發佈版本。網站上提供了模型的詳細說明、定價訊息、調用文檔、使用示例程式碼（支持Python、Node.js、Go等多種編程語言）。開發者可以在這裡創建項目、申請API密鑰、查看調用的使用量和費用賬單。
國際化入口Z.ai：https://api.z.ai/ 為了適應國際化運營需求，智譜在2026年宣布企業正式更名為Z.ai，并通過api.z.ai提供國際使用者的API服務入口。這個平臺與bigmodel.cn功能基本相同，但針對海外使用者的網路訪問進行了優化，支持多幣種結算。智譜同時在Hugging Face上開源了GLM系列的模型權重，使用者可以免費下載GLM-5.2及之前的版本，自行部署在本地環境或私有雲中。
關於GLM-5.5和萬億參數大模型，目前官方還未正式發佈產品頁麵或可下載的模型權重。根據摩根大通、路透社等主流財經媒體的報道，該模型的預期發佈時間是2026年8月，但智譜官方至今未對外確認發佈日期、具體參數量或性能基准。使用者在使用官網時需要注意，bigmodel.cn上當前最新的可用模型仍是GLM-5.2（發佈於2026年6月13日），該模型支持100萬token的上下文長度，成本約為GPT-5.5的六分之一。
如果使用者想要使用本地開源權重，GLM-5.2的完整權重已在Hugging Face和ModelScope等開源平臺上線，遵循寬松的MIT開源協議，可以免費商用。對於GLM-5系列的初階版本（如GLM-4.7 Flash），模型也已開源，參數量為30B，適合在消費級GPU或蘋果晶片上本地部署。
關於萬億參數大模型的發佈計劃、開放策略、技術細節，使用者和投資者有很多疑問。本章匯總智譜官方和創始人唐傑的歷次公開回應。
根據最新訊息，智譜萬億參數大模型（GLM-5.5）的預期發佈時間是2026年8月。這個時間框架來自兩個來源的印證：其一，摩根大通在6月21日的研究報告中明確指出該模型目標在8月發佈；其二，路透社和CGTN在隨後的報道中也引用了相近的時間窗口。但截至目前，智譜官方尚未舉辦正式的發佈會，也未開放API申請，所有具體細節仍以官方後續公告為准。
需要注意的是，預期發佈時間與實際可用時間可能存在偏差。大模型訓練周期長、調試成本高，尤其是萬億參數級別的模型，往往需要在發佈後進行多輪內部評測和安全對齊。使用者如果想第一時間體驗，可以關注智譜官網bigmodel.cn的公告和Z.ai的開發者社區，通常新模型會先在API平臺開放試用，再逐步麵向普通用戶。
參照智譜過往的模型發佈節奏，萬億參數大模型大概率會同時提供三種接入方式：雲端API調用（通過bigmodel.cn或api.z.ai）、開源權重下載（在Hugging Face和ModelScope發佈）、以及私有化部署方案（麵向企業客戶）。GLM系列過去一直保持開源傳統，GLM-4.7 Flash、GLM-5.2等版本均已開放權重，這為萬億參數版本的開源提供了先例。
企業使用者在評估時，應重點關注模型的上下文長度、推理速度、并發限制和私有化部署的硬體要求。萬億參數模型即使采用MoE稀疏架構，對推理GPU顯存和網路帶寬仍有較高要求，本地部署成本不可忽視。個人使用者則可通過智譜清言App或bigmodel.cn的免費額度先體驗現有GLM-5.2，待新模型發佈後再做對比。
萬億參數大模型尚未正式發佈，如果使用者現在就需要學術寫作、論文輔助類工具，可以先用以下成熟的AI工具。
切問學術是一款麵向科研人員的AI學術輔助工具，可幫助使用者檢索文獻、梳理論文結構、輔助寫作和潤色。與智譜萬億參數這類麵向通用AGI的基座模型不同，切問學術聚焦在論文和學術場景，對引用格式、文獻溯源和學術規范做了專門優化，更適合學生和研究者日常使用。
使用這類學術工具時，應重點核對它能否導出標準引用、是否支持中英文資料庫、生成內容是否可溯源到真實文獻。工具的免費額度和高級功能價格會隨版本調整，建議以官方頁麵公布的當前規則為准。
沁言學術是另一款AI學術寫作輔助工具，可輔助文獻閱讀、論文草稿撰寫和翻譯。它與切問學術定位相近，但在界麵交互和擅長學科上可能各有側重，使用者可以根據自己的研究方向試用後再決定長期使用哪一個。
評估學術類AI工具時，建議先拿一篇真實論文做小范圍測試，對比它的文獻覆蓋、語言風格和格式合規性，再判斷是否值得訂閱。模型能力和資費會持續更新，以官方最新頁麵為准。
我剛開始玩 AI 繪畫時，把 LiblibAI（哩布哩布AI）當成了一個國外模型站，後來才發現它是中文 AI 繪畫社區，也能線上生成圖片...
2026-10-11
覓話蘋果版能下載，直接在App Store搜"覓話"就行。不過有些人搜不到，這種情況還挺常見的，可能是app下架了、你的地區不支...
2026-10-09
在我日常寫稿和整理資料時，愛派AiPy與WordBuddy承擔的工作并不一樣：前者能圍繞本地檔案執行任務，後者更適合英語練習與短篇...
2026-10-12
我查超級簡歷會員價格時，先用免費模板做了一份簡歷，再對照會員權益和支付頁算成本。超級簡歷有免費功能和付費會員，會員價...
2026-10-12
Character.AI怎麼下載？使用者可以通過官網https://character.ai或應用商店免費下載安裝。Character.AI是一款AI角色聊天平臺，...
2026-10-14