GLM-5已发布，大模型商业路殊途同归，请做好AI成本上涨的准备！

昨天才发文章推了一把Pony Alpha这个神秘模型，今晨智普就出来认领，让我的文章感觉很废，OpenRouter上已经无法使用该模型，昨晚有小伙伴按照我文章的提示，体验了吗？体验了一天，接下来，我想站在一个创业者的角度，认真的聊一聊，大模型市场商业趋势。

来自资本市场的认可

作为智普的新一代模型，glm-5在各项指标上都有比较明显的进步。随着新模型的上线，股价也在一天内飙升28%，可见市场还是很认可新模型的。虽然二级市场不能说与企业动作有直接关联，但是，透过二级市场，我们可以看清资本市场对智普新的商业模式的认可，投资者认为这家公司会在未来一定时间内，拥有一定的商业护城河，因此，愿意投资。

到底强在什么地方？

那么，这个新模型到底强在什么地方呢？

1. 参数“暴力美学”

GLM-5在架构上进行了非常激进的升级，总参数量从上一代的355B暴增至744B，激活参数暴增至40B。这种激进的策略，最终实现了它的“高智商”。

同时，它引入了DeepSeek同款的Sparse Attention (DSA)，也就是一种上下文稀疏注意力机制，从而解决了超大规模模型在长上下文时的推理成本问题。在之前的文章中，我就提到，它的上下文长度可以达到200k，输出达到了128k。更恐怖的是，在长文本压力测试中，它几乎保持了100%的召回率。

2. 工程级代码生成

它不再局限于局部代码处理，而是定位为系统级架构师。它可以处理跨度长达数小时、涉及数百步操作的复杂任务，并且维持长期的目标一致性。

在 SWE-bench Verified（编程基准测试）中拿到了 77.8 的高分，稳居开源模型第一。开发者反馈它在处理整个后端架构重构、微服务设计、复杂的 CI/CD 流动性任务时，体感已经逼近 Claude 4.5 Opus。

3. 低幻觉率

在 AA-Omniscience（全知指数）测试中，其幻觉率比 GLM-4.7 降低了 56%。网友普遍反馈，GLM-5 更加“清醒”，当面对知识盲区时，它会主动选择拒绝回答或质疑不合理的指令，而不是一本正经地胡说八道。

4. 开源强如斯

此前，“开源不如闭源”是共识。然而，随着glm-5的开源，其性能已跨入顶级梯队（对标 GPT-5.2 xhigh 和 Claude 4.5）。

不够有诚意

首先，在编程套餐（Coding Plan）中，已订阅用户并不能立即享受，只有涨价后的Max订阅用户可以使用该模型。

其次，在官方API（按token付费）限频中，普通用户只拥有1个并发数限制，意味着无法直接使用该模型在claude code中使用。（我看到官网有一个glm-5-code模型，没有在限频页面列出，或许没有限制。）

最后，价格上，GLM-5偏离了原本超高性价比的路线，新模型输入价格是原来的2倍，输出是原来的2.25倍。（glm-5-code的价格则更离谱。）由于该模型在持续性任务上更强，意味着相同任务，它愿意花更多的token来彻底解决问题。意味着，面对同样的任务，新模型可能比老模型多花2倍以上的价格。

商业化路线的转向

过去，中国模型厂商的主要路线，是寻求性价比，也就是训练用最少的资源，训练出性能堪比顶级模型的产物，然后以超低的价格提供服务，或者直接开源。而GLM-5打破了这一惯例，它首次在中国走了类似Anthropic、xAI的路线，即不计成本的训练顶级智能，包括但不限于：

1）不计算力成本，采用了名为“slime”的新型强化学习框架，提升了训练吞吐量，使其在推理、逻辑和知识储备上产生了质变。

2）不计规模成本，首次跳出中国模型训练的渐进式惯例，直接通过堆参数来提升新一代模型的能力。

3）不计价格影响，通过提价来挑选用户，让只有付得起钱的人群才能使用得起最好的模型。

这一路线，我们隐约看到了claude、grok的商业化身影。

过去两年，国内大模型等主旋律是“低价”，以glm和deepseek这两个模型最为突出，它们具有非常前卫的性能，但是价格却低得离谱。而glm-5的发布，则意味着大模型市场从“价格战”转向“价值定价”（Demand-Driven Pricing）。智谱认为模型已进入“需求驱动时代”。GLM-5 发布后，其 Coding Plan 价格大幅上调，是国内首个敢于逆势涨价的厂商。这种策略模仿了 Anthropic 的 Claude Opus：只要你的模型在复杂任务中不可替代，开发者愿意支付溢价。当模型能力达到能够完成“系统级工程”而非仅仅是“写一段代码”时，其产生的生产力价值足以支撑更高的溢价。这与 Anthropic（Claude）坚持的高质量、高单价路线高度一致。

过去，中国模型受限于技术、芯片，往往尝试在参数、算力和算法之间寻找平衡，试图通过算法来弥补算力，其中以DeepSeek为最，其他厂商通过借鉴算法，来维持自身模型的性能。而glm-5首次展现了中国模型的暴力规模化参数，以往国产模型大多在百亿或千亿（300B 左右）参数徘徊，以追求推理成本的极致压缩，而GLM-5 选择了 744B 总参数、40B 激活参数的庞大架构。这证明智谱已跨过了“小步快跑”阶段，开始投入海量资源进行暴力 Scaling Law。这原本在海外模型厂商再正常不过的操作，在国内却是首例，原因在于，我国实现了算力脱钩。GLM-5 实现了全栈国产算力训练（完全基于华为昇腾集群），不再依赖 Nvidia GPU。这让智谱在商业化进程中彻底规避了外部供应链风险，拥有了与 Grok（xAI 拥有超大 H100 集群）对等的资源确定性。

过去，中国模型厂商的目标人群选择常常处于非常尴尬的夹缝中，模型厂商试图通过B端创收，但是由于中国市场B端似乎并不买账，因此，又不得不在C端想办法，但是又必须承担C端购买力差带来的长期亏损。而GLM-5明显有一个非常清晰的定位，就是面向B端用户，无论是从模型的能力描述来看，还是从定价来看，都印证了这一点。另外，智普通过海外平台z.ai来实现全球化，而通过重新定位自己的客户人群，将直接参与和openAI、Anthropic的全球AI模型的B端市场竞争。其在 OpenRouter 上以代号“Pony Alpha”霸榜，证明其商业触角已伸向全球开发者市场，直接与闭源巨头抢食。

而这种路线的变化，很有可能会在国内其他厂商看到甜头后开始跟进，成为中国模型厂商在商业化上追赶海外厂商的一个契机。不过，对于用户而言，则要做好模型涨价成本上升的准备。

结语

在短短几周时间里，openAI发布了gpt-5.3 codex，Anthropic发布了Claude Opus 4.6，智普发布了GLM-5。同时，deepseek v4已经开始灰度，并且在今天有大量消息称其上下文得到扩展，MiniMax M2.5即将发布。此外，字节的seedance2.0也追赶上了sora2，并且有过之而无不及。Agent领域也正在发生着各种重大变革。AI的世界正在悄然发生着巨变。“未来已来”这个词都显得过时，我们现在正处在未来之中。AI会不断的改造着我们这个世界，我们作为普通人，需要掌握使用AI的能力，才能在未来世界，找到自己的锚点，做出有意思有价值的事。如果你有什么想法，欢迎在下方留言讨论。