Z.AI發布GLM-5-Turbo語言模型 聚焦OpenClaw代理場景優化
Z.AI近日正式推出GLM-5-Turbo語言模型，這款基礎模型專為OpenClaw代理場景進行深度優化，從訓練階段即針對OpenClaw任務的核心需求進行強化，涵蓋工具呼叫、指令遵循、定時與持續性任務，以及長鏈執行等關鍵能力。
根據Z.AI公布的技術規格，GLM-5-Turbo上下文長度達200K，最大輸出tokens為128K。該模型支援多種思考模式以適應不同場景，並提供即時串流回應功能以提升用戶互動體驗。此外，GLM-5-Turbo具備強大的工具呼叫能力，可與各種外部工具集整合，同時支援情境快取機制以優化長時間對話的效能。在輸出格式方面，模型支援JSON等結構化輸出格式，便於系統整合，並可靈活整合外部MCP工具與資料來源。
核心技術能力提升
Z.AI表示，GLM-5-Turbo在工具呼叫、指令分解、定時任務及高效能長鏈處理等面向均有顯著強化。在工具呼叫方面，模型強化了調用外部工具及各類技能的能力，確保多步驟任務的穩定性與可靠性。在複雜指令處理方面，模型展現更強的理解與分解能力，能精準識別目標、規劃步驟，並支援多代理之間的協作任務分工。
針對定時觸發、持續執行及長時運行任務的情境，GLM-5-Turbo進行了顯著優化，更佳理解時間相關需求，並在複雜長時任務中維持執行連貫性。對於涉及高資料吞吐量及長邏輯鏈的任務，GLM-5-Turbo進一步提升了執行效率與回應穩定性，使其更適合整合至實際業務工作流程。
ZClawBench基準測試發布
隨著OpenClaw採用率持續成長，在OpenClaw工作流程中評估模型表現已成為業界關注焦點。Z.AI基於大量真實OpenClaw使用案例分析，推出ZClawBench，這是專為OpenClaw生態系中代理任務設計的端對端基準測試。
據悉，目前OpenClaw工作負載涵蓋多種任務類型，包括環境設置、軟體開發、資訊檢索、資料分析與內容創作。用戶群也從早期開發者採用者擴展至生產力用戶、金融專業人士、營運工程師、內容創作者及研究分析師。同時，Skills使用率快速成長，從26%上升至45%，顯示向更模組化、技能驅動代理生態系的明顯轉變。
基準測試結果顯示，GLM-5-Turbo在OpenClaw場景中較GLM-5有大幅提升，並在多個關鍵任務類別中超越多款領先模型。Z.AI現已公開ZClawBench資料集與完整評估軌跡，歡迎業界驗證、重現及進一步優化該基準測試。
資料來源: https://docs.z.ai/guides/llm/glm-5-turbo
如果你對科技發展有興趣，建議延伸閱讀 Techapple 的推介內容：
