摘要

Z.AI 有意从通用聊天转向编程和智能体，由此进入前沿模型的讨论中心。 Nathan Labenz 的基准快照显示，GLM-4.6 在 LMArena 文本榜排名第19，较头部模型落后约65个 Elo 分，但与头部模型对比时仍能赢下约2/5；在网页开发榜排名第9，表现可与 GPT-5.1 竞争。Zixuan Li 表示，公司只是顺着用户认为价值更高的方向走：“Coding and agentic stuff are more useful”，而普通版 Z.AI Chat 仍然免费。
开放权重既是对研究社区的贡献，也是 Z.AI 绕开西方企业可能无法使用中国托管 API 这一现实约束的实用路径。 即使企业不能使用 Z.AI 的 API，也可以通过 Fireworks、其他服务商或自有芯片运行 GLM；Li 表示，如果不开放模型，“we’ll never have the opportunity to join this conversation”。DeepSeek-R1 已证明，扩大影响力与获得商业回报可以并存：“You need to expand the cake first and then take a bite of it.”
这套变现逻辑并不要求市场领先；在高速增长的编程市场中拿下一个狭窄切片，可能就已足够。 GLM Coding Plan 通过订阅制消除用户对智能体循环可能消耗100万 tokens 的焦虑，使用黏性也高于按量计费的 API。Li 的说法很直接：“You don’t have to persuade 50% of people… Maybe you only need 5%”；而 Claude Code 用户的5%就已经是“a huge market”。
Z.AI 把组织速度当作竞争资产，训练和评估结束后仅数小时便发布模型。 GLM-4.5 将推理、智能体和编程3个专业教师模型合并，由一支100至200人的高度协同核心团队完成；团队负责人和创始人仍亲自做实验。组织内部的指令是“Get it fast”，有时只提前两三个小时通知集成合作方，因为“the open-source itself is the biggest event”。
Li 不认为单靠更多数据就能让当前架构无限延续：“There is a wall.” GLM-4.6 拥有3550亿参数，但由于全规模实验不现实，假设必须在90亿或300亿参数模型上验证；他说这些实验约90%会失败。名义上100万 tokens 的上下文窗口，实际可能只有在6万或10万 tokens 内才有效，因此 Z.AI 正在探索新架构、on-policy 强化学习、更长的有效上下文和多智能体系统，并在必要时压缩生产环境上下文。
中国用户场景带来了差异化的后训练重点，尤其是角色扮演、具备文化语感的翻译和社交媒体解读。 Z.AI 的角色扮演训练会使用长篇角色指令，让模型保留身份、情绪和规定行为。翻译工作覆盖缩写、弹幕、梗和依赖语境的 emoji——例如，当上下文谈论 AI 时，要把鲸鱼符号还原为“DeepSeek”。Li 称，中英翻译已与 Gemini 2.5 Pro 持平；社交应用要求接近完整理解，而不是普通视频翻译中“80% is enough”的标准。
Li 认为，中国近期对 AI 的焦虑更多集中在就业，而非生存风险；与此同时，Z.AI 的海外收入仍高度依赖美国。 开发者通过 Claude Code 和 Codex 直接感受到被替代的风险，但 Li 表示，更广泛的公众仍将会产生幻觉的模型视为有用工具，而非可怕威胁：“We are not there yet.” 印度拥有最多海外用户，但美国贡献了约50%的海外收入，因为当地客户购买价格更高的 Pro 和 Max 套餐；训练仍在中国完成，海外服务和数据则托管在新加坡。

精读

1. 让 GLM 登上全球舞台的是编程，而非聊天榜单

Nathan Labenz 的基准快照显示，GLM-4.6 在 LMArena 文本榜排名第19，位于 Qwen 3 Max、Kimi K2 Thinking 和 DeepSeek V3.2 旁边——这4个是中国领先的开放权重模型，Mistral 也并未落后太远。GLM-4.6 虽然落后约65个 Elo 分，但这仍意味着它面对头部模型时能赢下5场中的2场。
网页开发才是 GLM-4.6 更强的表现：排名第9，可与 GPT-5.1 竞争，明显只落后于 Gemini 3 和 Claude Opus 4.5。正是这一表现，让许多西方听众此前并不熟悉的公司，突然通过编程产品和集成进入视野。
Li 介绍，Z.AI 即 Zhipu AI 的起点是2019年，当时公司以图计算探索 AGI，并打造了学者图谱产品 AMiner。公司在2020年转向大语言模型，2021年发布 GLM，比 GPT-3.5 早1年；GLM-4.5 和 GLM-4.6 终于让这项持续多年的工作获得国际层面的辨识度。
战略转折发生在 Z.AI 于2024年在 Chatbot Arena 排名约第6至第9之后。看到 Manus 和 Claude Code 在2025年获得关注，公司将最高优先级转向具备经济价值的编程和工具使用：“We need to follow the trend and also predict the future.”

2. 小而亲力亲为的组织，围绕统一模型运转

GLM-4.5 源自推理、智能体和编程3个独立教师模型，之后蒸馏为一个统一模型。Li 认为关键不在组织形式有多新，而在协作方式：预训练和后训练团队“just sit next to each other”，围绕同一个目标工作，而不是各自优化彼此割裂的任务指标。
前沿变化发生在训练进行期间，管理层不能退回到只定目标的位置。Li 认为，“You need to feel the trend yourself”；Z.AI 的创始人会读论文、跑实验，把实时结果与竞争对手动向结合起来，而不是让下属替自己过滤证据。
核心研发团队约100至200人，Li 认为这个规模已经够用，也更容易保持专注。在更大的公司里，一个领域团队可能仍只有10至20名核心成员，另外由约80或100人负责训练或数据准备。
在读博士生将模型训练与学术研究视为兼容而非竞争的两条轨道：构建统一的智能体编程模型，可能是“one of your greatest achievements ever”。招聘看重论文、GitHub 工作、竞赛、GPU 经验和实际训练经历；创业公司的薪酬较低，则通过寻找有抱负、愿意“fight together”的人来弥补。

3. 海外求学经历不如实际成果重要

面对中国实验室歧视海外毕业生的说法，Li 否认这一前提：公司要的是最好的人，海归可能只是在某种面试标准下表现更差。他在 MIT 学成后加入 Zhipu AI，但估计 Z.AI 只有约10人知道他在哪里读过书，因为“people don’t care”。
中国的大公司——包括 Baidu 和 Alibaba——通常会优先吸纳人才，因为它们能提供更高薪酬。创业公司则需要自驱型员工，他们被年轻团队以及让某个“seems to come from nowhere”的东西与成熟模型竞争的可能性所吸引。
Li 自己的经历正体现了这一市场现实：在简历数量激增的情况下，其他知名 AI 公司拒绝或忽略了他的申请。他在 MIT 做的 AI for science 和 alignment 研究，与最初负责国内聊天机器人战略的岗位并不直接相关，但让他形成了对 OpenAI 和 Anthropic 如何追逐前沿的实际理解。

4. 开放权重先是分发渠道，其次才是意识形态

Li 首先将开放定义为对研究的贡献，把 Z.AI 与 Llama、Qwen 和 Kimi 并列。但商业约束同样关键：美国机构可能不能使用 Z.AI 的 API，却仍可自行部署 GLM、通过 Fireworks 或 Groq 获取 GLM，或者在自有芯片上运行。
Z.AI 在2024年将旗舰模型保持闭源后改变路线。DeepSeek-R1 证明，公司可以通过开源获得全球知名度，同时保留 API、合作和协作收入：“You need to expand the cake first and then take a bite of it.”
全球技术认可也会反哺国内信誉。中国媒体会迅速转发 Andrej Karpathy、Sam Altman、Elon Musk 等美国科技人物的偏好；即使是中国企业，也会评估供应商的“global brand and global performance”，这纠正了 Z.AI 早期认为只靠国内 API 销售就足够的判断。
但这种认可仍不完整。Z.AI 在 X 上仅有约20,000名粉丝，而 DeepSeek 约有100万；Reddit 用户仍会问 GLM 是“come from”哪里。Nathan Labenz 反驳称，如今旧金山圈子讨论 GLM 的程度已超过 Mistral，甚至可能超过 Llama，但 Li 认为，品牌和技术社区参与度仍落后于模型质量。

5. 在开放模型之上叠加服务与订阅

中国企业需求分为自托管和 API 客户两类。数据敏感型组织会要求集成商把 DeepSeek 等模型部署在私有芯片上，再叠加 RAG、数据存储和工作流；科技和媒体公司则接受 API，主要按性能和价格选择，Li 认为这一市场目前由 ByteDance 主导。
Qwen3-Max 展示了一种混合策略：部分模型开放，而 Qwen3-Max 仍保持闭源以服务 API 销售。由于 Z.AI 开放了基础模型，买家会持续追问为何不自行托管；因此答案必须来自工程能力而非排他性，包括更快的解码、搜索、MCP 能力以及围绕同一套权重的其他改进。
GLM Coding Plan 把这套基础设施变成订阅服务。用户不必计算每次智能体交互消耗多少 tokens——一次 Claude Code 对话可能就会用掉100万——订阅制消除了这种计量焦虑。Li 认为，可预测性会带来更强黏性，而不只是换一种计费方式。
Labenz 质疑，在 Claude Code、Codex、Gemini 和基础版 Cursor 都可以试用的情况下，GLM 是否能获得付费用户。Li 给出的答案是市场份额算术，而非市场统治：即便转化 Claude Code 用户的5%，也足以形成有意义的规模；此外，智能体、角色扮演以及 Meta 等大型平台都可能提供进一步的细分市场。

6. 角色扮演与文化翻译需要独立的数据策略

在 GLM-4.6 之前，GLM-4.5 的角色扮演能力相对较弱，因为后训练没有覆盖相关数据。训练中没有长篇角色设定，模型就会忘记自己是谁，退回到泛化对话；加入这类数据后，模型能够在互动过程中保留指令、情绪和规定行为。
Nathan Labenz 给出的具体类比是文字 RPG：用户提供5页身份和背景设定。Li 则举了一个流行文化样本：描述 Family Guy 中 Stewie 的性格和故事背景，Z.AI 就能生成对应的文字人格；再加入合适的语音模型，这种表现可以延伸到声音交互。
翻译是另一项有意打造的专长。Li 称，GLM 的中英翻译表现已与 Gemini 2.5 Pro 持平，能够处理缩写、梗和 emoji：在 AI 语境中，鲸鱼可能指 DeepSeek；在动物语境中，同一符号则应继续译为鲸鱼。“We understand the culture”是其声称的优势。
Z.AI 无法抓取私密的 WeChat 对话，因此研究公开的 Xiaohongshu、TikTok 和评论区——那里用户“very naughty”——并使用弹幕和图片梗训练视觉能力。“TikTok refugees”事件推高了翻译需求；与 YouTube 上80%的理解度可能已经够用不同，X、Xiaohongshu 和 WeChat 等应用要求用户基本理解每一条评论。

7. 安全争论随能力而来，而失业最具现实感

Li 读过 OpenAI 关于降低不健康依恋的研究——训练 ChatGPT 识别自己是 AI 而非人类——并表示相关问题在适用时会被内部讨论。但在模型仍落后于最强闭源系统时，Z.AI 优先追求能力：“If we have a model that can perform like GPT-5, then we can move on to remove the addiction.”
他的理由部分来自技术现实：Z.AI 为追求能力而改变数据采集和后训练方式，不同版本的行为可能剧烈变化，为旧模型设计的干预措施也会随之失效。这并不是说依恋风险不存在，而是公司认为当前真正的瓶颈仍是性能。
软件开发者和数据分析师最直接地感受到恐惧，因为编程智能体已经能够完成具体任务，尤其会影响初级开发者。作家和管理者长期使用 SaaS 及其他辅助工具，因此又一个头脑风暴或润色工具暂时还不像替代品；在 Li 的叙述中，他听到最多、也最明确的担忧是失业。
Labenz 强调了这一点与美国少数高声讨论就业之外风险的人群之间的反差，Li 在 MIT 期间就接触过这种文化。他估计，约100万人密切跟踪前沿进展，而约10亿人仍在基本不受影响地日常工作：“The more you learn, the more fear you will have.”

8. 全球推理、混合芯片与本地搜索共同塑造部署

Z.AI 在中国训练模型，但通过新加坡向海外用户提供服务，国际服务也托管在那里。Li 表示，海外数据驻留是硬性要求，隐私政策几乎每月修改一次；将 GPU、CPU 和数据库放在新加坡，可以避免请求绕回中国大陆所产生的延迟。
Blackwell 的吸引力不只在芯片本身，也在于 FP4，后者可能大幅降低成本。不过，Z.AI 仍会根据客户需求，让 GLM-4.6、即将推出的 GLM-4.6 Air 及旧模型适配国产硬件和 NVIDIA 硬件：一个客户可能需要每秒30 tokens，另一个则需要80。
印度拥有最多海外用户，印度尼西亚、挪威和巴西也有显著需求。用户主要通过 X、Reddit 和部分 YouTube 发现 Z.AI，这使用户构成带有平台偏差；但美国仍贡献约50%的海外收入，因为当地客户选择 Pro 和 Max 套餐，而非 Lite 套餐。
Irene Jiang 问到中国平台相互封闭时搜索如何进行。Li 认为美国也面临类似问题：Google 没有搜索 API，Bing 也在试图停止其 API。Z.AI 可以聚合多个资源，也可以让智能体登录平台自行浏览页面，从而保留通用 API 可能遗漏的源数据访问能力。

9. 下一轮增益需要架构实验，而大多数实验都会失败

在 off-policy RL 已相对成熟后，Z.AI 正探索 on-policy 强化学习以及多智能体系统。当前产品本质上是一个 GLM-4.6 actor，能够反复搜索，并在保留此前上下文的同时生成幻灯片、演示文稿或海报。
多智能体设计可能提升速度或性能，但编排会引入明显的权衡。如果多个智能体接收相同上下文，它们可能重复劳动或无法协同；一个产生幻觉的智能体，还可能污染整个研究结果。
宣称的上下文长度不等于有效上下文长度：模型可能声称支持100万 tokens，但实际只有在6万或10万 tokens 内表现良好。Z.AI 可以将客户工作负载压缩到6万或3万 tokens，因为大多数用户并不需要100万；但 Li 不认为这一工程折中就是根本解决方案。
Li 的判断是绝对的：数据单独无法跨过“there is a wall”。GLM-4.6 拥有3550亿参数，因此 Z.AI 会在90亿或300亿参数模型上验证假设；“90% of the time we just fail”。继续进步需要更好的架构、预训练和后训练数据，以及可能全新的框架。

10. 数小时内发布，让上线变成协调难题

Li 预告了一款300亿参数的下一代模型，称其为 GLM-4.6 Air，但也表示名称可能改为 Mini。他预计 GLM-4.6 Air、GLM-4.6 Mini 和 GLM-4.6 Vision 在播客上线时已经可用。他还表示，为下一代准备的小模型实验不会在2026年投入实践，但会为未来训练提供思路。
发布节奏快到几乎按字面执行：训练结束、评估跑完，模型几小时后就可以上线。Z.AI 不会先把 endpoint 发给 LMArena 或 Artificial Analysis 评估，也不会先做媒体造势；“if you want to open-source the model, the open-sourcing itself is the biggest event.”
Li 希望有约1周时间协调推理服务商、基准测试方和编程智能体合作伙伴。但实际情况可能是通知对方：“We have a new model coming in two hours, maybe three hours, maybe you are sleeping”，然后在模型发布后放大合作方的集成成果。
由于美国合作方会议往往安排在凌晨2点或3点，Li 的全球化工作日可能长达18小时，但他不接受研究人员采用同样的作息：一个大脑每天认真读论文、做实验和写代码的时间可能只有8小时。Z.AI 仍需要模型质量和行业认知度才能脱颖而出；没有扎实的模型，“only the most famous one gets all the attention.”

Vol.194 产业观察36｜蚂蚁集团纪纲与李丰：一场关于具身智能、AI硬件的激辩 AI 护城河为何仍然重要（以及它们如何变化）