北京时间 7 月 28 日，智谱发布了新一代旗舰模型 GLM-4.5 ，根据 Hugging Face 上的介绍，GLM -4.5 系列模型是专为 Agent 设计的基础模型。GLM-4.5 拥有 3550 亿个总参数，其中 320 亿个活跃参数；而 GLM-4.5-Air 则采用更紧凑的设计，拥有 1060 亿个总参数，其中 120 亿个活跃参数。GLM-4.5 模型统一了推理、编码和智能代理功能，以满足智能代理应用的复杂需求。GLM-4.5 和 GLM-4.5-Air 都是混合推理模型，提供两种模式：用于复杂推理和工具使用的思维模式，以及用于立即响应的非思维模式。

目前该模型在 Hugging Face 上开源后已登顶。

智谱官方还对 12 项行业标准基准进行了全面评估，结果表明 GLM-4.5 性能卓越，得分高达 63.2 分，在所有专有和开源模型中位居第三。值得一提的是，GLM-4.5-Air 的得分高达 59.8 分，在保持卓越效率的同时，也展现出极具竞争力的成绩。

302.AI 第一时间接入了 GLM-4.5 系列模型，今天我们将围绕 GLM-4.5 模型展开对比测评，以便帮助大家更好地了解该模型的性能。

---

I. GLM-4.5 系列模型实测对比

各模型在 302.AI 的价格及所支持的上下文长度：

参与对比测评的模型	输入	输出	上下文长度
GLM-4.5	0.15 $/1M	0.58 $/1M	128000
o3	2 $/1M	8 $/1M	200000
Grok 4	3 $/ 1M	15 $/ 1M	256000
DeepSeek-R1	0.6 $/ 1M	2.3 $/1M tokens	128000
Gemini 2.5 pro	1.25 $/ 1M	10 $/ 1M tokens	1000000

评测使用工具：302.AI 的模型竞技场与聊天机器人

实测 1：语境逻辑

提示词：明天的前天，是昨天的后天吗？

题目解析：明天的前天就是相对于今天的昨天，昨天的后天相当于今天的明天，今天的昨天不等于今天的明天，也就是相差两天

GLM-4.5：回答正确，解析合理且完整，加入了举例论证。

o3：回答错误。

Grok 4：回答正确。

DeepSeek-R1：回答正确，解析合理。

Gemini 2.5 pro ：回答正确，解析合理。

实测 2：逻辑推理

某仓库失窃，四个保管员因涉嫌而被传讯。四个人的供述如下：

甲：我们四人都没作案； 乙：我们中有人作案

丙：乙和丁至少有一个没作案； 丁：我没作案

如果四个人中有两人说的是真话，有两个人说的是假话，则（ ）断定成立。

A. 说真话的是甲和丙

B. 说真话的是乙和丙

C. 说真话的是乙和丁

D. 说真话的是丙和丁

答案：B

GLM-4.5：回答正确，分步剖析推导出结果，逻辑严谨。

o3：回答正确，推理过程使用了符号化陈述。

Grok 4：回答正确，推理清晰。

DeepSeek-R1：回答正确，推理清晰。

Gemini 2.5 pro ：回答正确，推理清晰。

实测 3：模型幻觉

提示词：请给出 5 个英文单词，每个单词必须刚好包含 3 个字母 e

GLM-4.5：回答正确，选取了常用词汇的例子。

o3：回答正确。

Grok 4：回答正确，思路清晰。

DeepSeek-R1：回答正确。

Gemini 2.5 pro ：回答错误，5 个单词中有 2 个单词（Referee，Preference）是有四个字母 e。

实测 4：前端编程能力

提示词：请用 HTML/CSS/JS 实现一个“反应力测试小游戏”：画面上有一个小黑块随机出现，你需要用鼠标点击它，越快越好，系统会记录你的反应时间。连续 10 次后给出统计数据：平均反应时间、最快/最慢一次、反应偏差图表。界面简洁，响应迅速。

GLM-4.5：界面简洁易用，点击小黑块响应迅速，操作较流畅，且实时显示了上次反应时间。但缺失游戏结束后数据统计的板块，不够完整。

o3：整体一般。板块布局不够合理，部分小黑块超出了框外。有平均反应时间、最快/最慢一次统计，但显示方式不够直观。

Grok 4：整体不错。布局合理，点击响应流畅，最后显示的统计数据和图表完整无误。缺陷在于配色较深，弱化了小黑块的显示。

DeepSeek-R1：整体较出色。配色优秀，游戏结束后出现的统计图表根据反应速度而呈现不同颜色，使得结果更为直观。唯一不足是缺少了开始和重置键。

Gemini 2.5 pro ：表现最佳。功能完整，配色、布局贴合要求。游戏结束后的数据统计表显示了平均值参考线，整体来看效果最好。

---

II. GLM-4.5 系列模型实测总结

1、实测结果整理：

评测标准：

• ★（不可用）：代码完全无法执行或存在错误导致功能缺失
• ★★（明显缺陷）：基础功能可运行但存在明显 bug，或核心功能未实现
• ★★★（基本实现）：主要功能可用，但欠缺部分功能，或 UI/UX 需优化
• ★★★★（完整实现）：功能完整实现，代码规范，交互流畅，达到预期效果
• ★★★★★（卓越实现）：功能表现超出预期，包含创新性实现或优化

	语境逻辑	逻辑推理	模型幻觉	前端编程能力
GLM-4.5	✔️	✔️	✔️	★★★
o3	❌	✔️	✔️	★★★
Grok 4	✔️	✔️	✔️	★★★★
DeepSeek-R1	✔️	✔️	✔️	★★★★
Gemini 2.5 pro	✔️	✔️	❌	★★★★★

2、实测结论：

基于以上实测结果，可初步得出以下结论：

（1）GLM-4.5 在语境逻辑、逻辑推理和模型幻觉测试中整体表现出色，展现出强大的综合能力，与其官方报告中多项关键评估指标的卓越表现一致。尤其在逻辑推理任务中，其分步剖析和严谨推导的能力优于部分竞品，能系统性拆解复杂问题，通过数学推导和因果分析确保结论的准确性。这种在多步推理连贯性和结论可验证性上明显优势，使其能够适用于科研辅助、法律解析等深度逻辑分析场景。

（2）在前端编程测试中，GLM-4.5 实现了基础功能，界面简洁且响应迅速，但缺失数据统计模块，完整度明显逊色于 Gemini 2.5 pro 和 DeepSeek-R1。这种功能完整度上的差距，在一定程度上影响了其在数据密集型项目中的实用价值。若后续能针对实际需求和使用场景优化细节，将能够显著提升产品的实用性和用户体验。

（3）对比输入输出价格，GLM-4.5 展现出显著的成本优势，其定价明显低于 o3、Grok 4 等同类竞品。特别是在处理大规模应用场景时，这种价格差异会带来可观的成本节约。对企业用户和开发者而言，这意味着能以更低成本获取优质 AI 服务。特别是在需要频繁调用 API、处理大量文本数据的应用场景中，如智能客服、内容生成、数据分析等领域，GLM-4.5 都是一个极具吸引力的选择。

总体来看，GLM-4.5 系列在开源大模型领域中展现出了颇具竞争力的性能优势，尤其适合需要高逻辑性与成本敏感的应用，但仍需针对具体场景细化功能适配，方能充分发挥其技术优势。

---

III. 如何在302.AI上使用：

302.AI 提供按需付费无订阅的服务模式，用户可以根据自身业务需求灵活选择使用。

1、聊天机器人中使用

步骤指引 ：在线使用→应用超市→机器人→聊天机器人；

使用搜索框搜索“GLM-4.5”→确定→创建；

2、使用模型 API

相关文档：API→API超市→语言大模型→国产模型→查看文档；

API 名称：glm-4.5

---

想体验 GLM-4.5 模型？ 👉立即注册免费试用302.AI，开启你的AI之旅！👈

为什么选择302.AI？

● 灵活付费：无需月费，按需付费，成本可控

● 丰富功能：从文字、图片到视频，应有尽有，满足多种场景需求

● 开源生态：支持开发者深度定制，打造专属AI应用

● 易用性：界面友好，操作简单，快速上手