GLM（Z.AI）

資料來源#

Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning

它是什麼#

來自 Z.AI（Zhipu AI）的 GLM（General Language Model）家族；Z.AI 是由清華大學 KEG 團隊分拆出的研究實驗室。在本語料中，GLM 呈現為大型 MoE 開放權重系列——開放權重的這條路線著重競逐前沿的能力，而非邊緣端的效率，與 Gemma 4 小型且低成本的策略相對。 SAO 論文中出現了三個成員：

模型	這裡已知的資訊
GLM-4.5	「代理式、推理與編碼（ARC）基礎模型」（Team GLM，arXiv 2508.06471，2025）。SAO 作者技術所承襲的那一代模型。
GLM-4.7	具前沿競爭力的推理模型。在表 1 中，它於 AIME2025（95.7）、HMMT Nov-2025（93.5）和 IMOAnswerBench（82.0）上擊敗 GPT-5 High 與 Claude-Sonnet-4.5。它也被用作 SAO 線上學習模擬中負責獎勵分配的 LLM judge。
GLM-5.2	總計 750B／啟用 40B 的開放 MoE——SAO 為訓練而建立的 production 模型。論文的表述是：「成功部署於代理式 RL pipeline，用於訓練開放的 GLM-5.2 模型。」

為什麼它會出現在 wiki 中#

原因有二，且都與既有脈絡相連。

它是 SAO 存在的理由。 非同步單次 rollout RL 在這裡不是學術練習——它是訓練一個已出貨的 750B-A40B 開放模型背後的方法。這種 production 規模正是這篇論文與方法論短文的差異所在：穩定性結果（約 1000 個穩定步驟，相較於 GRPO 在約 160 步時崩潰）必須在 GLM-5.2 的規模上成立。

它是開放權重前沿的一個資料點。The Open-Weight Frontier Gap 指出，前沿的開放權重模型意味著 744B–1.6T 的 MoE。GLM-5.2 的 750B-A40B 正是這個類別。而 GLM-4.7 的表 1 數據——在四個數學推理基準中的三個領先兩個封閉式前沿模型——是開放模型在能力軸上觸及封閉式前沿的具體實例，也正是該頁面追蹤的差距。把兩者放在一起看：Gemma 以 31B 競逐效率，Arena 排名第 43；GLM 則以 750B 競逐能力，躋身前沿推理模型之列。同樣標示為「開放權重」，策略卻完全相反。

清華大學／Z.AI 的作者脈絡#

SAO 的作者是 Zhenyu Hou, Yujiang Li, Jie Tang, Yuxiao Dong（清華大學），其中 ZH 和 YL 註明曾在 Z.AI 實習。Zhenyu Hou 也出現在 GLM-4.5 的作者名單中，而 Tang 和 Dong 則是長期 GLM／ChatGLM 系列背後的清華大學教職人員——因此，這篇論文實際上是 GLM 團隊以學術方式發表、記錄自家模型背後 RL 基礎設施的成果。考量到這一點，再看 GLM-4.7 擊敗 GPT-5 的數據：它們是 empirical（測得的基準結果），但來自銷售該論文方法的同一間實驗室，屬於第一方資料。

資料來源#

Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning — GLM-5.2 作為部署目標（摘要、§1）；GLM-4.7 出現在表 1 並擔任線上模擬裁判（§4.5）；GLM-4.5 作為引用的基礎模型（Team GLM，arXiv 2508.06471）。arXiv 2607.07508，2026-07-08。empirical，GLM 實驗室的第一方資料。

GLM（Z.AI）

資料來源#

它是什麼#

為什麼它會出現在 wiki 中#

清華大學／Z.AI 的作者脈絡#

相關連結#

資料來源#