TL;DR
GLM-5.5 to oczekiwany następny główny model w rodzinie GLM Z.ai. Reuters opisał GLM-5.5 jako późniejszy kamień milowy na mapie drogowej, ale raport nie podał potwierdzonego zobowiązania dotyczącego premiery, architektury, liczby parametrów, limitu kontekstu, tabeli benchmarków, ceny ani planu dostępu.
Z.ai przedstawia GLM-5.3 jako swój najnowszy model flagowy i najsilniejszą faktograficzną bazę do szacowania kolejnego wydania. Wykorzystuje ten sam model bazowy co poprzednik, a zyski wynikają z post-treningu, jednocześnie wspierając kontekst 1M tokenów / maks. 128K wyjścia. Z.ai raportuje też 50% wzrost wydajności w kodowaniu na wewnętrznym Code Bench.
Najbardziej wiarygodne oczekiwanie to nie po prostu „większy model”. Z.ai publicznie zapowiedziało, że przyszłe modele będą celować w zadania o długim horyzoncie i samoewoluujące autonomiczne agenty. GLM-5.5 prawdopodobnie mocniej podkreśli niezawodne wykonywanie zadań, samokorektę, zarządzanie kontekstem, korzystanie z narzędzi i długotrwałą pracę inżynierską, a nie pojedynczy nagłówkowy wzrost liczby parametrów.
Najważniejsze punkty
- Reuters wskazał GLM-5.5 jako późniejszy kamień milowy na mapie drogowej, ale Z.ai nie opublikowało dokładnego zobowiązania co do terminu premiery.
- GLM-5.3 jest najświeżej publicznie udokumentowanym modelem flagowym Z.ai.
- Aktualna baza architektoniczna pozostaje w klasie około 744B łącznie / 40B aktywnych, rzadkie MoE, ponieważ GLM-5.3 zachowuje ten sam model bazowy, poprawiając post-trening.
- GLM-5.3 już oferuje okno kontekstu 1M tokenów i maksymalnie 128K wyjścia, więc GLM-5.5 może priorytetyzować jakość kontekstu i zarządzanie pamięcią zamiast większego reklamowanego limitu.
- Prawdopodobny kierunek rozwoju Z.ai to dłużej działające, bardziej autonomiczne, samokorygujące się agenty.
- Kontynuacja publikacji otwartych wag jest możliwa, ponieważ GLM-5.3 jest pozycjonowany jako model z otwartymi wagami, choć licencja GLM-5.5 pozostaje nieznana.
- Obecnie nie ma publicznych dowodów wspierających konkretny, bilionowy (trillion) licznik parametrów dla GLM-5.5.
- CometAPI już zapewnia dedykowany endpoint dla GLM-5.3 z wyświetlaną zniżką 20%. Jeśli GLM-5.5 zostanie oficjalnie wydany, CometAPI prawdopodobnie doda go szybko w obniżonej cenie, podczas gdy inne flagowe modele GLM pozostaną dostępne na tej samej platformie.
Czym jest GLM-5.5?
GLM-5.5 to raportowany późniejszy kamień milowy po GLM-5.3 na mapie drogowej modeli granicznych Z.ai. Nazwa „5.5” pojawiła się w doniesieniach Reutersa, ale nie została jeszcze opublikowana w oficjalnej karcie modelu Z.ai, endpointzie deweloperskim, nocie wydawniczej, repozytorium Hugging Face ani tabeli cenowej.
Rodzina modeli przeszła wyraźną sekwencję. GLM-5 ustanowił kierunek „Agentic Engineering” z 744B-parametrowym rzadkim MoE. GLM-5.1 przesunął uwagę w stronę utrzymanej egzekucji, a kolejne pokolenie rozszerzyło użyteczny kontekst do 1M tokenów. GLM-5.3 zachowuje ten sam model bazowy, ale znacznie agresywniej skaluje post-trening, z silniejszym złożonym kodowaniem i wydajnością agentów w zadaniach długiego horyzontu.
Ten postęp sugeruje, że GLM-5.5 prawdopodobnie będzie oceniany po tym, jak długo może niezawodnie pracować, jak dobrze wychodzi z błędów i co faktycznie potrafi dostarczyć — a nie tylko po tym, jak wypada w krótkich, jednokrotnych testach.
Co prawdopodobnie będzie nowe w GLM-5.5?
Przesunięcie w kierunku samoewoluujących autonomicznych agentów
Najbardziej czytelny publiczny sygnał pochodzi od lidera technicznego CodeGeeX w Z.ai, który powiedział Reutersowi, że przyszłe modele będą celować w zadania o długim horyzoncie i samoewoluujące autonomiczne agenty. Wskazuje to na agentów, którzy potrafią wykonywać eksperymenty, inspekcjonować wyniki, korygować strategie i ulepszać własną pracę w ograniczonym środowisku zadaniowym.
W inżynierii oprogramowania może to oznaczać ciaśniejszą pętlę analizy repozytorium, planowania, implementacji, testowania, debugowania, pomiaru wydajności i weryfikacji. Model byłby oceniany po końcowym stanie projektu, a nie po pozornej jakości pojedynczej odpowiedzi.
Wizualna podstawa: najnowsza oficjalna liczba z sekcji Performance dokumentuje GLM-5.3, a nie ogłoszone specyfikacje GLM-5.5.
Kontynuacja skalowania rzadkiego MoE
Rzadka architektura Mixture-of-Experts jest najbardziej obronną oczekiwaną architekturą. Raport techniczny GLM-5 opisuje 744B łącznie / 40B aktywnych parametrów, 256 ekspertów, osiem trasowanych ekspertów na token i jednego wspólnego eksperta. GLM-5.3 wykorzystuje ten sam model bazowy co poprzednik, więc ten projekt rzadkiego MoE pozostaje najbliższym opublikowanym punktem odniesienia architektonicznego.
GLM-5.5 mógłby zwiększyć pojemność modelu, ale brak publicznych dowodów, że przekroczy jeden bilion parametrów. Z.ai może uzyskać większe zyski dzięki poprawie danych treningowych, specjalizacji ekspertów, routingu, RL, spekulatywnego dekodowania lub efektywności inferencji, utrzymując model mniej więcej w tej samej klasie skali.
Lepsze wykorzystanie długiego kontekstu
GLM-5.3 obsługuje 1M tokenów wejściowych i do 128K tokenów wyjściowych. Większe nagłówkowe okno kontekstu nie jest więc wymagane, aby GLM-5.5 był znaczącym ulepszeniem. Cenniejsze byłyby: lepsze odtwarzanie wczesnych wymagań, mniejszy dryf celu, silniejsza retrievel w dużych bazach kodu, bardziej niezawodne kompaktowanie kontekstu i niższe koszty serwowania.
Kompaktowanie kontekstu jest szczególnie ważne dla agentów, których logi narzędzi i stany pośrednie mogą przekraczać okno modelu. GLM-5.3 przenosi dalej SAO z kompaktowaniem dla treningu długiego horyzontu, pomagając utrwalać zyski wydajności w zadaniach rozciągniętych, a nie tylko krótkich. Późniejszy model mógłby rozszerzyć to podejście.
Bardziej wydajna rzadka uwaga i dekodowanie
Ponieważ GLM-5.3 zachowuje ten sam model bazowy, obecny stos dla długiego kontekstu nadal opiera się na IndexShare, gdzie grupy czterech warstw rzadkiej uwagi współużytkują ten sam indeksator. Z.ai raportuje, że ten projekt ogranicza obliczenia związane z indeksatorem na token o 2,9 razy przy długości kontekstu 1M tokenów, a wielotokenowa predykcja poprawia spekulatywne dekodowanie. GLM-5.3 dodaje następnie zyski głównie poprzez skalowany post-trening.
GLM-5.5 mógłby oprzeć się na tych technikach, usprawniając wybór tokenów, zarządzanie KV-cache, routing ekspertów lub dekodowanie z modelem szkicującym (draft). Takie zyski bezpośrednio wpływałyby na opóźnienia i koszty podczas długich przebiegów agentów.
Silniejsze uczenie ze wzmocnieniem i weryfikacja
Raport techniczny GLM-5 opisuje sekwencyjny pipeline post-treningowy obejmujący reasoning RL, agentic RL i ogólny RL, wspierany przez asynchroniczną infrastrukturę oddzielającą generowanie od treningu. Pozwala to systemowi eksplorować dłuższe trajektorie i uczyć się z planowania, użycia narzędzi, samokorekty i informacji zwrotnej środowiska.
W GLM-5.5 prawdopodobnym ulepszeniem nie jest po prostu więcej tokenów do rozumowania. Jest nim lepsza weryfikacja wyników: wiedza, czy kod się skompilował, testy przeszły, cel wydajności został osiągnięty, wywołanie narzędzia było autoryzowane lub czy żądany artefakt faktycznie spełnił pierwotne ograniczenia.
Czego jeszcze nie wiemy
GLM-5.5 ma raportowane okno wydania, ale jego ostateczne specyfikacje produktowe pozostają nieujawnione. Poniższe projekcje są celowo konserwatywne i nie powinny być odczytywane jako ogłoszone specyfikacje.
| Obszar | Co jest publiczne | Obecna prognoza |
|---|---|---|
| Status | Reuters podaje, że model jest spodziewany w sierpniu 2026 r. | Ogłoszenie w sierpniu jest wiarygodne, ale termin może się przesunąć. |
| Architektura | Nie opublikowano architektury GLM-5.5. | Rzadka architektura MoE wywiedziona z rodziny GLM-5 jest najbardziej prawdopodobna. |
| Skala modelu | Brak publicznej liczby parametrów ani liczby aktywnych parametrów. | Model klasy ~750B lub umiarkowany wzrost skali jest bardziej obronny niż konkretny bilionowy deklarowany rozmiar. |
| Okno kontekstu | Brak publicznego limitu GLM-5.5. | Co najmniej 1M tokenów jest wiarygodne; lepsza efektywna pamięć może znaczyć więcej niż większy nominalny limit. |
| Modalności | Brak publicznych informacji o modalnościach wejściowych GLM-5.5. | Priorytetem pozostaje tekst, kodowanie i agenci; natywna multimodalność jest niepewna. |
| Wydajność | Brak oficjalnych wyników benchmarków GLM-5.5. | Największe zyski prawdopodobne w długohoryzontowym kodowaniu, użyciu narzędzi, odzyskiwaniu po błędach i autonomicznym dostarczaniu. |
| Ceny API | Nie ogłoszono cennika ani endpointu modelu. | Ceny mogą pozostać zbliżone do GLM-5.2 lub otrzymać umiarkowaną premię, jeśli koszt inferencji wzrośnie. |
| Otwarte wagi | Nie ogłoszono licencji GLM-5.5. | Wydanie na licencji MIT jest możliwe z precedensu, ale nie gwarantowane. |
| Dostęp | Brak oficjalnego podglądu, API lub sekwencji wydania wag. | Możliwa etapowa premiera poprzez produkty Z.ai, Coding Plan, API i otwarte wagi. |
Architektura i aktywne parametry
Aktualna baza architektoniczna jest wyjątkowo dobrze udokumentowana. GLM-5 używa 256 ekspertów, ośmiu trasowanych ekspertów plus jednego wspólnego eksperta dla każdego tokenu. Jego projekt 744B łącznie / 40B aktywnych mniej więcej podwoił łączną pojemność GLM-4.5, jednocześnie bardziej umiarkowanie zwiększając aktywną pojemność z 32B do 40B.
Z.ai mówi, że GLM-5.3 wykorzystuje ten sam model bazowy co poprzednik, a wszystkie główne zyski pochodzą z post-treningu. To sprawia, że 744B łącznie / około 40B aktywnych rzadkie MoE pozostaje najbliższą opublikowaną bazą architektoniczną, nie sugerując jednak, że GLM-5.5 zachowa ten sam układ.
Liczba aktywnych parametrów będzie miała większe znaczenie dla praktycznego serwowania niż nagłówkowa łączna liczba. Wpływa ona na ruch pamięci, komunikację między ekspertami, opóźnienie i ilość sprzętu wymaganego na wygenerowany token. Model może stać się bardziej zdolny bez proporcjonalnego wzrostu kosztu, jeśli poprawią się routing i mechanizmy uwagi.
Okno kontekstu i pamięć
GLM-5.3 obsługuje okno kontekstu 1M z maksymalnym wyjściem 128K. Z.ai pozycjonuje tę pojemność kontekstu dla złożonej inżynierii oprogramowania i przepływów agentów długiego horyzontu, a nie jako czysto syntetyczne maksimum.
W przypadku GLM-5.5 ważne będzie, czy model zachowuje wczesne ograniczenia, pamięta wykonane prace, pobiera właściwe pliki, kompresuje stare ślady narzędzi bez utraty kluczowego stanu oraz utrzymuje spójne decyzje przez wiele godzin. Nominalne okno dwóch milionów tokenów byłoby mniej użyteczne niż niezawodny, milion-tokenowy workflow z niższymi opóźnieniami i kosztem.
Wydajność
Nie opublikowano wyników benchmarków GLM-5.5. Aktualna baza GLM-5.3 obejmuje 28.3 na Terminal-Bench 3.0, 66.9 na DeepSWE v1.1 i 28.5 na Agents’ Last Exam. Z.ai raportuje też 50% poprawę na wewnętrznym Code Bench, przy największych zyskach w złożonym kodowaniu i zadaniach długiego horyzontu.
Source: Z.ai official release &#xNAN;· View original image
Z.ai podaje, że GLM-5.3 prowadzi w porównaniach na CyberGym, AutomationBench i GDPval-AA v2, podczas gdy GPT-5.6 Sol pozostaje przed nim na Terminal-Bench 3.0 i DeepSWE, a Claude Fable 5 jest silniejszy na kilku ewaluacjach rozwoju exploitów. To wyniki zgłaszane przez dostawców i należy je interpretować z uwzględnieniem ustawień ewaluacji.
Znacząca poprawa w GLM-5.5 byłaby widoczna w niezawodności powtórnych przebiegów i odsetku ukończonych zadań: mniej porzuconych zadań, mniejszy dryf strategii, skuteczniejszy powrót po nieudanych poleceniach, lepsze przestrzeganie zasad repozytorium i silniejsza końcowa weryfikacja. Małe zyski na krótkich testach rozumowania byłyby mniej ważne niż utrzymana egzekucja na realnych projektach.
Ceny API i dostępność na CometAPI
Z.ai nie opublikowało ogólnej stawki per token dla GLM-5.3 w swojej standardowej tabeli cen. GLM-5.3 jest dostępny przez GLM Coding Plan, co czyni dostęp subskrypcyjny bardziej relewantnym punktem odniesienia do czasu pełnej publikacji standardowej stawki API.
CometAPI wymienia GLM-5.3 po $1.12/M wejścia i $3.528/M wyjścia, z wyświetlaną zniżką 20%. Zapewnia także dedykowany dostęp do GLM-5 i GLM-5-Turbo przez tę samą platformę API.
Ceny GLM-5.5 nie zostały ogłoszone. Rozsądne oczekiwanie jest takie, że Z.ai może utrzymać je blisko obecnej klasy cenowej flagowców lub zastosować umiarkowaną premię, jeśli koszt inferencji wzrośnie. Jeśli GLM-5.5 zostanie oficjalnie wydany, CometAPI prawdopodobnie szybko doda dedykowany endpoint i utrzyma strategię zniżek, dając deweloperom tańszą ścieżkę obok innych modeli flagowych.
Warianty produktu i ścieżki dostępu
Istniejący ekosystem GLM obejmuje model flagowy, GLM-5-Turbo dla szybszych obciążeń agentów, Coding Plan, hostowane API i checkpointy otwartych wag. GLM-5.3 obsługuje trzy poziomy wysiłku rozumowania, streaming, wywoływanie funkcji, cache kontekstu i strukturyzowane wyjście.
GLM-5.5 mógłby pojawić się najpierw w produkcie czatowym Z.ai lub Coding Plan, a następnie w standardowym API i jako wagi do pobrania. Mógłby też zadebiutować z oddzielnymi wariantami zoptymalizowanymi pod szybkość lub ze zdolnościami wizji. Żaden z tych wyborów opakowania nie został ogłoszony.
Pozycja konkurencyjna i prawdopodobne zastosowania
Prawdopodobna pozycja konkurencyjna GLM-5.5 to otwarty lub łatwo dostępny model do kodowania i agentów z wyjątkowo długim kontekstem i niskim kosztem serwowania. Jego najsilniejsze zastosowania obejmowałyby rozwój dużych repozytoriów, refaktoryzację systemów, automatyczne testowanie, optymalizację wydajności, agentów badawczych, przedsiębiorstwowe przepływy pracy o dużej dokumentacji oraz wdrożenia prywatne, które nie mogą całkowicie polegać na zamkniętych zewnętrznych API.
Model będzie konkurował nie tylko z zamkniętymi systemami granicznymi, takimi jak Claude Opus 5 i GPT-5.6, ale także z innymi opłacalnymi modelami agentowymi. Przewaga Z.ai będzie zależeć od tego, czy uda się połączyć otwarte wdrożenie, silne kodowanie, długi kontekst i niezawodną autonomiczną egzekucję bez nieakceptowalnych opóźnień lub wymagań infrastrukturalnych.
Otwarte wagi byłyby szczególnie cenne dla firm potrzebujących lokalnych kontroli bezpieczeństwa, adaptacji domenowej, wdrażania na krajowych akceleratorach lub bezpośredniej kontroli nad stosem inferencyjnym. Jednak model klasy 750B MoE pozostaje kosztowny w samodzielnym hostowaniu, nawet jeśli tylko ułamek parametrów jest aktywny na token.
Dokładna data wydania i dostęp
Reuters opisał GLM-5.5 jako przyszły kamień milowy na mapie drogowej. Sformułowanie odzwierciedla oczekiwanie, a nie oficjalne zobowiązanie do premiery i nie wskazuje ustalonej sekwencji wdrożenia.
Publiczna dokumentacja Z.ai, strony cenowe i Coding Plan koncentrują się na GLM-5.3. W przejrzanych źródłach nie opublikowano oficjalnego endpointu GLM-5.5, karty modelu, raportu benchmarkowego, licencji ani szczegółowego planu dostępu.
Przyszłe wydanie GLM-5.5 pozostaje wiarygodne. „Wydanie” może oznaczać ogłoszenie, ograniczony podgląd w Coding Plan, wdrożenie w hostowanym czacie, endpoint API, dostęp dla przedsiębiorstw, otwarte wagi lub wszystkie te elementy w różnych etapach. Czytelnicy powinni rozróżniać te kamienie milowe, gdy pojawi się pierwsza oficjalna aktualizacja.
Ocena końcowa
GLM-5.5 najlepiej rozumieć jako oczekiwaną kontynuację przesunięcia Z.ai od generowania kodu do autonomicznej inżynierii. Publiczne dowody wspierają koncentrację na zadaniach długiego horyzontu, samoewoluujących agentach, efektywności rzadkiego MoE oraz praktycznym dostarczaniu rezultatów. Nie dostarczają jednak ostatecznej liczby parametrów, wyników benchmarków, limitu kontekstu, ceny, licencji ani dokładnej daty.
Kluczowe pytanie nie brzmi, czy GLM-5.5 jest większy niż GLM-5.3. Brzmi ono, czy model potrafi dłużej pozostać wyrównany z celem, skuteczniej zarządzać pamięcią, wychodzić z nieudanych działań, weryfikować własną pracę i kończyć więcej realnych zadań inżynierskich przy mniejszym nadzorze.
Dopóki Z.ai nie opublikuje karty modelu i szczegółów dostępu, GLM-5.5 należy opisywać jako oczekiwany — ale jeszcze nie ogłoszony. Sierpniowe okno jest wystarczająco wiarygodne, by je monitorować, podczas gdy wszystkie szczegółowe specyfikacje powinny pozostać wyraźnie oznaczone jako projekcje.