GLM
GLM（General Language Model）是由智谱AI研发的大语言模型系列，基于自回归空白填充的预训练框架构建。该系列模型支持自然语言理解、文本生成、对话交互、代码编写等多种任务，具备中英文双语处理能力。GLM系列涵盖不同规模的参数版本，可应用于问答、摘要、推理等多种自然语言处理场景。
核心事实
时间轴 (近 90 天)
X 上一位开发者于 8 月发布的帖子（4 万多人看过）分享了一种分工方案：最贵的模型只做需求拆解和最终验收，中间写代码由 Kimi 和 GLM 完成，跑测试修 bug 由 Codex 完成。
Orca 官方列出的支持列表包含 34 个 agent，包括 Claude Code、Codex、Kimi、Qwen Code、GLM 等。
T3梯队包括Continue、Zed、百度Comet、WorkBody以及GLM，被定义为使用中总有些问题。
智谱GLM系列、Meta Llama、阿里Qwen都属于开放权重模型阵营。
研究者用GLM 5.3跑通了这次实验，并提到OpenAI、Anthropic的模型以及Kimi等开源模型在同类任务上同样表现出色。
Together 推出了 Post-Training 服务，允许开发者通过自定义训练循环对 Qwen、GLM、Kimi 等开源模型进行后训练，平台负责底层基础设施。
Together 的后训练服务覆盖 Qwen、GLM、Kimi 等主流开源模型系列。
inclusionAI的Ling-3.1-flash在SWE-bench_Pro（68.74）、SWE-bench_Multilingual（88.5）和skillsbench（68.7）上取得榜首，zai-org的GLM系列在ResearchClawBench、EvasionBench、chi-bench等评测上占据榜首。
对于使用Qwen、DeepSeek、GLM的开发者，最务实的做法是保持关注，同时确保技术栈不对单一来源的最新权重形成刚性依赖。
Qwen系列、DeepSeek系列和智谱的GLM系列模型权重已经在Hugging Face等平台公开发布。
还有 40 条时间轴事件
全部知识事实 (20)
@ai-sdk/zai 是 Vercel AI SDK 面向智谱 AI（Zhipu AI）模型的官方 Provider
90%已验证GLM 通过自回归空白填充（Autoregressive Blank Infilling）统一了自然语言理解与生成的预训练目标
90%已验证GLM系列最初采用自回归填空的预训练框架，兼顾理解与生成能力
90%已验证早期GLM采用了自回归填空（Autoregressive Blank Infilling）的预训练目标
90%已验证GLM系列由清华大学KEG实验室与智谱AI联合研发
90%已验证GLM系列是清华大学与智谱AI联合研发的大语言模型，基于自回归空白填充（Autoregressive Blank Infilling）训练目标构建
90%已验证@ai-sdk/zai 依赖于 @ai-sdk/openai-compatible，说明智谱 GLM 的 API 接口在很大程度上兼容 OpenAI 的调用规范
85%已验证VLM（视觉语言模型）通常由视觉编码器（如ViT）、语言模型和连接两者的投影层组成，代表性模型包括GPT-4V/4o、Claude 3.5、LLaVA系列和InternVL
80%已验证GLM采用了独特的自回归填空预训练范式，与GPT的纯自回归和BERT的纯掩码语言模型都有所不同
80%已验证智谱（Z.ai）的 GLM 系列模型由清华大学与智谱 AI 联合研发
75%已验证智谱AI是由清华大学KEG实验室技术成果转化成立的人工智能公司
75%已验证GLM采用自回归填空训练目标，通过对文本片段随机遮蔽并要求模型自回归还原
75%已验证智谱AI是清华大学技术成果转化企业，其GLM架构采用自回归空白填充的预训练目标
75%已验证DeepSeek、Qwen、GLM 同属中国团队主导的开源模型阵营
65%已验证DeepSeek Harness支持接入第三方Provider，可通过OpenCode Go接入GLM等模型，或连接本地Ollama服务
65%已验证主流大语言模型训练语料中，英文数据占据压倒性比例，以Common Crawl等公开数据集为例，英文内容通常占总量的40%-60%，而越南语、中文等语言的占比往往不足5%
65%已验证ChatGLM由智谱AI开发，基于GLM架构
65%已验证智谱GLM系列模型（包括GLM-4、ChatGLM等）是清华大学与智谱AI联合研发的大语言模型
65%待验证智谱AI的GLM系列脱胎于清华大学计算机系的学术研究
90%待验证GLM等国产模型在训练阶段增加了高质量中文语料比例，并在分词器设计上对中文字符进行优化
70%