---

GLM-4.6 全景解析：代码、长文本、工具调用全面升级，国产芯片首次量产 FP8

代码、长文本、工具调用全面升级，国产芯片首次量产 FP8

国庆前夕，国内大模型领域接连迎来三连击：DeepSeek V3.2、GLM-4.6 相继上线，海外 Claude 4.5 亦同步登场。
昨天刚拆解完 DeepSeek，今天的焦点，属于 GLM-4.6 ——Claude，请稍等。

从命名到产品节奏，智谱这次明显在正面对标 Anthropic。
它是国内首家推出 Coding Plan 订阅制 的厂商，而 GLM-4.6 的官方定义也十分直接：

“迄今最强代码模型”。

但这次的升级，远不止编程。

---

01｜代码生成：公开+私有双基准对齐 Claude

指标	GLM-4.6	Claude Sonnet 4	提升
HumanEval+MBPP+LCB v6 平均	87.4 %	86.9 %	+0.5 ppt
74 个真实任务胜率	53.8 %	50.6 %	+3.2 ppt
一次通过率	+27 %	—	—
Token 消耗	-30 %	—	—

• 多文件重构、单元测试补全、Bug 修复场景一并覆盖
• 幻觉率降至 7.8 %（前代 GLM-4.5 为 11.2 %）

结果显示，GLM-4.6 在多个公开榜单表现比肩 Claude Sonnet 4，稳居国产模型第一梯队。

本次评测还引入了真实编程环境测试（Claude Code 标准），在实际任务中，GLM-4.6 的平均 Token 消耗比同类模型低 30% 以上，性能与稳定性均超出预期。

当然，这仍是官方数据，最终表现还需社区实测验证。

---

02｜上下文窗口：128K → 200K，无损扩展

• 技术方案：分段 RoPE + 局部注意力窗口
• 实测：5.8 万行代码一次性读入，跨文件跳转准确率 92%
• NLL 损失增幅：<1%（200K 内）

大型代码库重构首次实现真正的“全项目视野”。

---

03｜推理与工具调用：模型能“边想边查”

支持插桩工具：<search> | <execute> | <debug>

• 工具执行结果实时回注上下文
• Terminal-Bench 完成率 78.1%，与 Claude 3.5 持平
• 国产模型中首次实现该水平

GLM-4.6 的这一能力让模型具备“自我调试与任务自闭环”特性，显著提升了多步骤推理与代码执行的实用性。

---

04｜写作与多语言：文风、翻译全面优化

场景	提升幅度
文风流畅度	+12 %
角色扮演一致性	+10 %
跨语种翻译准确率	+8 %

• 长文本摘要 ROUGE-L 持平 128K 基线，无长程退化
• 英、中、日三语生成能力同步提升，写作风格切换更自然

---

05｜国产芯片 FP8 推理：355B 模型无损运行

芯片	量化方案	显存	吞吐	精度回退
寒武纪 MLU370	FP8 权重 + Int4 KV-Cache	384 GB 双卡	68 tokens/s	0.06 % PPL
摩尔线程 MTT S4000	端到端 FP8	384 GB 单卡	82 tokens/s	无损

• 首度实现在国产 AI 芯片上完成 355B 参数级无损推理
• 可在出口管制环境下替代高端 GPU

这意味着，国产算力平台已具备承载超大模型的能力。
半导体板块的异动，也在侧面印证这一突破的产业影响力。

---

06｜开源与定价：MIT 协议 + Coding Plan 登场

• 开源内容：权重、tokenizer、评测轨迹
• 上线平台：Hugging Face & ModelScope（两周内发布）
• 协议：MIT 开源，可商用
• 定价策略：与 GLM-4.5 持平，推出 Coding Plan 订阅服务

开源，已成为国产大模型的共识。
对智谱而言，开源不仅是技术姿态，更是市场扩张的战略杠杆。

---

能力、成本、供应链三条线同时达标——国产大模型首次在大代码场景实现“可感知替代”。

---

写在最后

从年初的 DeepSeek 到如今的 GLM-4.6，国产大模型正在快速“补齐三角”：
代码推理、长文本、工具链调用。
过去的短板正被逐一抹平，甚至在 成本与落地速度 上反超海外同行。

曾经的“追赶”，如今已变成“并跑”；
而下一个版本号，或许就是超越的分水岭。

---