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)
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
OpenViking Server 支持火山引擎、OpenAI、Kimi、GLM，也可以接本地 Ollama
智谱AI是GLM系列模型的开发方，并因快速的API更新在此次调查中获得肯定
该调查的核心议题是托管在第三方推理平台上的大模型API是否能与原厂模型保持一致的输出质量与行为表现
DeepSeek Harness 支持自由切换模型，模型也是插件，可切换到 GLM、Kimi、本地模型或接入 Anthropic 的 Opus、Sonnet 模型
建议开发者提前了解GLM、Mistral、Llama、DeepSeek、MoE等底座模型以帮助理解微调训练的代码逻辑
FolioPaw支持接入DeepSeek、Kimi、GLM等第三方模型API，也支持本地Ollama模型离线运行
创作者评价DeepSeek Harness效果略优于Kimi、GLM、MuseCran 3.6，是试过的所有开源模型中最令人印象深刻的
DeepSeek Harness不绑定任何供应商，可切换到GLM、Kimi或本地模型，也支持自定义提供商
Colibri 用纯 C 编写、零运行时依赖，引入三级内存模型：热专家驻留显存、温专家驻留系统内存、冷专家从 NVMe SSD 流式读取，能在25GB内存下加载GLM类超大模型
还有 40 条时间轴事件
全部知识事实 (20)
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系列最初采用自回归填空的预训练框架，兼顾理解与生成能力
80%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
80%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%已验证早期GLM采用了自回归填空（Autoregressive Blank Infilling）的预训练目标
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%待验证智谱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
90%待验证@ai-sdk/zai 是 Vercel AI SDK 面向智谱 AI（Zhipu AI）模型的官方 Provider
70%部分验证国内主流厂商包括智谱AI、百度文心、阿里千问、月之暗面（Kimi）等均提供了OpenAI兼容端点
65%待验证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
60%待验证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
50%待验证OpenViking Server 支持火山引擎、OpenAI、Kimi、GLM，也可以接本地 Ollama
50%待验证智谱AI是GLM系列模型的开发方，并因快速的API更新在此次调查中获得肯定
50%待验证该调查的核心议题是托管在第三方推理平台上的大模型API是否能与原厂模型保持一致的输出质量与行为表现
50%待验证DeepSeek Harness 支持自由切换模型，模型也是插件，可切换到 GLM、Kimi、本地模型或接入 Anthropic 的 Opus、Sonnet 模型
50%待验证建议开发者提前了解GLM、Mistral、Llama、DeepSeek、MoE等底座模型以帮助理解微调训练的代码逻辑
50%待验证FolioPaw支持接入DeepSeek、Kimi、GLM等第三方模型API，也支持本地Ollama模型离线运行
50%