GLM-5 的 744B 参数：MoE、200K 上下文与许可

744B 是显存数字，40B 是算力数字，这两个数不能混着理解。一个 744B 的 MoE 模型跑起来要装下全部权重，但每个 token 只走其中约 40B 的路径，所以它既贵又便宜——贵在硬件门槛，便宜在单次推理。

规格先放一张表

同期公开的厂商口径里，GLM-5 在 SWE-bench Verified 上 77.8%，AIME 2026 上 92.7%，GPQA Diamond 上 86.0%。这些都是厂商自报，不是第三方复现，看趋势可以，当排名用不行。表内单价按 2026 年 11 月的开放平台牌价核对。

744B 与 40B：显存按大的买，账单按小的算

MoE 的核心是把"知识容量"和"单次计算量"解耦。256 个专家里每次只用 8 个，等于用 40B 的算力去调 744B 的知识库。这就是为什么它能在输出速度上接近中型稠密模型，却在显存占用上对标旗舰。

对自部署的人，这个区别是决定性的：FP8 权重需要多卡才装得下，普通工作站跑不动；对调 API 的人，区别只体现在单价上，40B 激活意味着同样的输出长度不会因为 744B 而翻倍计费。想估算本地门槛，可以用本地跑大模型要多少显存里的算法，把总参数填进去，别填激活参数。

200K 到 1M：哪一代才够用

GLM-5 的 200K 在当时是够用的，一份几百页的 PDF、一个中等规模的代码仓库都在范围内。但 GLM-5.1 之后路线变了：GLM-5.2 把上下文扩到 1M，最大输出 131,072 token，并引入 IndexShare——每四层共享一个轻量索引器，官方称在 1M 长度下把每 token 的算力开销降到原来的约三分之一。

GLM-5.3 沿用 5.2 的底座做后训练，上下文仍为 1M，输出上限不变，这也是它能在两个月内迭代出来的原因。这条演进顺序值得记住：5 是打地基，5.1 练耐力，5.2 扩窗口，5.3 靠后训练拔能力。判断一个任务该用哪代，看上下文需求比看版本号更有效。

"全国产卡训练"这句话要打折扣

这是本文最需要谨慎的一段，因为公开信息本身不一致。

智谱的 GLM-5 技术报告写的是：模型从第一天起就针对七家国产芯片平台做了全栈适配，包括华为昇腾、摩尔线程、海光、寒武纪、昆仑芯、沐曦、燧原。但报告没有明确写"训练用了哪种卡"。

发布时的大量报道走得更远，直接说 GLM-5 全程在昇腾 910B 上用 MindSpore 训练、零 NVIDIA 依赖。这个说法流传很广，却缺少技术报告里的直接对应句。

比较稳妥的表述是：GLM-5 完成了对多家国产芯片平台的适配，推理侧已有规模化落地；"训练全程只用昇腾"属于媒体口径，官方文档未见同等明确的表述。这不影响模型能力判断，但如果你的决策依赖"供应链完全去 NVIDIA"这个前提，就该把这条当成待核实项，而不是既成事实。

MIT 的实际含义，以及它和 5.3 的差别

GLM-5 是标准 MIT：保留版权声明即可商用、修改、再分发，甚至可以闭源。这在国产旗舰里属于最宽松的一档。

但同一家族内部并不统一。GLM-5.3 旗舰改用自定义的 GLM-5.3 License，多了一条——过去十二个月集团年收入超过 100 亿美元、且经营模型即服务业务的公司，商用前需通过智谱的安全审查。GLM-5.3-Flash 又回到 MIT，没有这条限制。

同一代模型、相隔两周发布的两个 checkpoint，许可条款不同。要自部署，先看你要下的那个权重文件挂的是哪个许可，别拿兄弟版本的条款套。

该看哪个数字

选型时只问三件事：上下文够不够（200K 还是 1M）、许可能不能过法务（MIT 还是带审查条款）、显存装不装得下（744B 还是 320B 的 Flash）。参数量本身不是答案，它只是这三个问题的输入之一。财务层面的背景，比如 MaaS 收入已经占到总收入八成以上，可以看智谱 40 亿回购那篇的拆解。