GLM-4.5-Air-FP8开源：高效智能体基座模型新登场

GLM-4.5-Air-FP8开源：高效智能体基座模型新登场

【免费下载链接】GLM-4.5-Air-FP8GLM-4.5系列模型是专为智能体设计的基座模型。GLM-4.5拥有3550亿总参数和320亿活跃参数，而GLM-4.5-Air采用更紧凑的设计，总参数为1060亿，活跃参数为120亿。GLM-4.5模型统一了推理、编程和智能体能力，以满足智能体应用的复杂需求。项目地址: https://ai.gitcode.com/zai-org/GLM-4.5-Air-FP8

导语：智谱AI正式开源GLM-4.5-Air-FP8模型，以1060亿总参数、120亿活跃参数的紧凑设计，结合FP8量化技术，为智能体应用提供兼具高性能与低资源消耗的基座选择。

行业现状：智能体时代呼唤高效能基座模型

随着大语言模型技术的快速迭代，智能体（Agent）已成为AI应用的重要发展方向。这类系统需要模型具备强大的推理能力、工具使用能力和多任务处理能力，同时对部署成本和运行效率提出更高要求。当前市场上，大模型普遍面临"性能与效率难以兼顾"的挑战——参数规模的扩大往往带来算力需求的激增，限制了其在更多场景的落地应用。在此背景下，兼具轻量化设计与高性能表现的基座模型成为行业关注焦点。

模型亮点：三维创新打造智能体开发新范式

GLM-4.5-Air-FP8的推出，在模型架构、量化技术和应用能力三个维度实现突破：

混合推理架构：该模型创新性地支持"思考模式"与"非思考模式"双模式运行。在处理复杂逻辑推理或工具调用任务时，模型自动启用思考模式，通过多步推理提升任务完成质量；而对于简单问答等场景，则切换至非思考模式以实现快速响应。这种动态适配机制，使模型在不同应用场景下均能保持最优性能表现。

FP8量化优化：作为系列中首个开源的FP8精度版本，GLM-4.5-Air-FP8在保持模型性能的同时，显著降低了存储和计算资源需求。相比传统BF16精度，FP8格式可减少约50%的显存占用，使模型部署门槛大幅降低——在单张H200 GPU即可实现基础推理，4张H100 GPU即可支持128K上下文长度的全功能运行。

智能体能力集成：模型统一了推理、编程与智能体控制能力，原生支持工具调用与多轮对话状态管理。通过与transformers、vLLM、SGLang等主流框架深度整合，开发者可快速构建具备自主决策能力的智能体应用，覆盖自动化办公、代码开发、数据分析等多元场景。

性能表现：效率与能力的平衡典范

根据官方公布的12项行业标准基准测试，GLM-4.5-Air-FP8以59.8分的综合得分展现出强劲竞争力。值得注意的是，其性能仅比3550亿参数的GLM-4.5旗舰版低约5.4%，但硬件需求降低75%以上。这种"小而精"的设计理念，打破了"参数规模决定性能"的传统认知，为大模型的高效化发展提供了新思路。

在实际应用中，该模型表现出三大特性：一是支持128K超长上下文，可处理整本书籍或大型代码库的理解任务；二是工具调用准确率高，能精准解析并执行复杂指令；三是多语言支持能力突出，在中英双语场景下均保持一致的高性能表现。

行业影响：推动智能体应用普及化

GLM-4.5-Air-FP8的开源将加速智能体技术的民主化进程。对于企业开发者，特别是中小企业和研究机构，这一模型提供了低成本接入先进智能体技术的途径；对于行业生态而言，其MIT开源许可允许商业使用和二次开发，将激发更多创新应用涌现。

从技术趋势看，该模型的混合专家（MoE）架构与FP8量化技术的结合，代表了大模型向"高效能"发展的重要方向。随着硬件对FP8支持的普及，这类模型有望成为智能体开发的主流选择，推动AI应用从"通用问答"向"自主决策"跨越。

结论：高效智能体时代的关键拼图

GLM-4.5-Air-FP8的开源不仅是技术创新的体现，更标志着智能体开发进入"性能与效率并重"的新阶段。通过平衡模型能力、部署成本和运行效率，该模型为企业级智能体应用提供了理想基座，也为行业探索大模型的可持续发展路径提供了宝贵参考。随着生态的不断完善，我们有理由期待基于这一模型的各类智能体应用在产业数字化转型中发挥更大价值。

【免费下载链接】GLM-4.5-Air-FP8GLM-4.5系列模型是专为智能体设计的基座模型。GLM-4.5拥有3550亿总参数和320亿活跃参数，而GLM-4.5-Air采用更紧凑的设计，总参数为1060亿，活跃参数为120亿。GLM-4.5模型统一了推理、编程和智能体能力，以满足智能体应用的复杂需求。项目地址: https://ai.gitcode.com/zai-org/GLM-4.5-Air-FP8