8.5 GLM/智谱：异步 RL 基础设施与 ARC 定位

1.智谱 GLM：专注 agentic 的那一拨

智谱（Zhipu / zai-org / THUDM）的 GLM 系列，是国产开源大模型里最专注"智能体（agentic）"方向的一支。到 2026 年中，主线从 GLM-4.5（2025 年 8 月，arXiv:2508.06471）演进到 GLM-5（2026 年 2 月，arXiv:2602.15763）再到 GLM-5.2（750B 总参 / 40B 激活）。GLM-5.2 在 arena 上排 agent 第 10、WebDev 第 6，和 Kimi K3 并列国产开源在软件工程智能体上的最强选手。

这一章我们讲清 GLM 两个最有辨识度的技术贡献：异步 RL 基础设施和 ARC 定位。

2.异步 RL：把生成和训练解耦

GLM-5 技报的标题是 "from Vibe Coding to Agentic Engineering"（从氛围编程到智能体工程），点明了它的重心。在技术层面，GLM-5 最被业界关注的创新是异步 RL 基础设施。

传统 RL 训练（包括 DeepSeek R1 用的 GRPO）里，生成和训练是串行的：模型先生成一批回答，算奖励，再更新参数，更新完再生成下一批……生成阶段 GPU 在算、训练阶段在等，训练阶段在算、生成阶段在等，两边互相阻塞，GPU 利用率上不去。在 agentic RL 这种场景下问题更严重——智能体要和环境多轮交互（跑代码、调工具、看结果），一轮交互就要很久，串行起来训练吞吐极低。

GLM-5 的异步 RL 把生成和训练彻底解耦：生成进程持续地往一个缓冲区里产出（轨迹, 奖励）样本，训练进程持续地从缓冲区取样本更新参数，两边各跑各的、不互相阻塞。这大幅提升了 RL 的吞吐量，尤其让 agentic RL（长轨迹、多轮交互）变得工程上可行。这是 GLM 对 R1 那套 RL 范式的重要工程升级。

3.DSA 稀疏注意力与成本控制

GLM-5 还采用了 DSA（DeepSeek Sparse Attention）风格的稀疏注意力来压低训练和推理成本，同时保持长上下文 fidelity。这和 7.3 节讲的 NSA 是同源的思路——用可学习的稀疏模式，在算得少的同时保持精确性。GLM 把它用在生产里支撑长上下文的智能体任务（比如读长代码库、操作长文档）。

4.ARC 定位：Agentic + Reasoning + Coding

GLM 的产品定位可以用三个词概括——ARC：

Agentic：能自主规划和执行多步任务、调用工具、跑代码。
Reasoning：强推理能力（数学、逻辑）。
Coding：软件工程能力（SWE-Bench 这类基准）。

这三件事在 agentic 场景里是高度耦合的——一个软件工程智能体既要会推理（想清楚怎么改）、又要会编码（实际写）、又要会 agent（规划多步、调工具、验证）。GLM 把这三件事作为核心打磨方向，GLM-4.5 报告里 AIME-24 达 91.0%、SWE-bench Verified 达 64.2%，都是用 32B 激活的较小预算拿到了接近旗舰的成绩。这也是它在 arena 的 agent/WebDev 榜上排名靠前的原因。

5.GLM-5.2 与现状

GLM-5.2（2026 年中）是 750B 总参 / 40B 激活 的 MoE，被用作后续 CompactionRL（一种 RL 流水线，arXiv:2607.05378）的基座。GLM 这一脉的特点是技术报告写得很扎实（每代都有 arXiv 报告），开源权重齐全，是国产开源里文档和可复现性最好的一家之一。

和 DeepSeek/Kimi 比，GLM 更偏"软件工程智能体"这一垂直纵深——它的 ARC 定位让它在"让模型真的能干活、能写代码、能调工具"这个方向上投入最重，而不是追求通用对话的极致。

6.练习

Q1. 异步 RL 相比传统 RL，解决了什么问题？为什么对 agentic RL 特别重要？

传统 RL 生成和训练串行，互相阻塞，GPU 利用率低。异步 RL 把两者解耦到独立进程，各跑各的、用缓冲区传递样本。agentic RL 轨迹长、多轮交互耗时久，串行下吞吐极低，异步解耦后才工程可行。

Q2. GLM 的 ARC 定位指哪三个方向？为什么它们在 agentic 场景里耦合？

Agentic（自主多步任务）、Reasoning（推理）、Coding（软件工程）。agentic 场景里一个智能体既要推理（想怎么干）、又要编码（实际写）、又要 agent（规划调工具验证），三者高度耦合。

Q3. GLM、DeepSeek、Kimi 三家在技术侧重上的最大区别是什么？

GLM 偏软件工程智能体（ARC + 异步 RL）；DeepSeek 偏架构效率（MLA/MoE/FP8 + R1 推理 RL）；Kimi 偏长上下文 + 训练稳定性（MuonClip + Delta Attention）。

7.小结

GLM 用异步 RL 基础设施和 ARC 定位，在"让模型能干活"这个方向上走出了一条有别于 DeepSeek/Kimi 的路。三家国产主力各有所长：DeepSeek 架构效率、Kimi 长上下文稳定、GLM agentic 工程。下一篇我们补一家常被遗漏但技术过硬的主力——MiniMax。

下一章见。