Zhipu AI da China revela o GLM-5: um modelo de código aberto com 744 mil milhões de parâmetros treinado em chips nacionais

O movimento de independência da IA da China atinge escala de fronteira

A startup chinesa de inteligência artificial Zhipu AI, que opera internacionalmente sob a marca Z.ai, lançou o GLM-5, um modelo de linguagem de grande dimensão com 744 mil milhões de parâmetros, que se apresenta como o primeiro sistema de IA à escala de fronteira treinado inteiramente em hardware chinês nacional, sem depender de tecnologia norte-americana de semicondutores. O anúncio, a 11 de fevereiro, fez as ações da empresa cotada em Hong Kong, oficialmente designada Knowledge Atlas Technology, dispararem quase 30 por cento, para fecharem a 405 dólares de Hong Kong, o que representa um aumento de quatro vezes em relação ao preço da oferta pública inicial de apenas um mês antes. A empresa angariou aproximadamente 558 milhões de dólares na sua IPO de janeiro de 2026, tornando-se a primeira empresa de modelos de base cotada em bolsa a nível mundial. Fundada em 2019 como spinoff da Universidade Tsinghua, a Zhipu AI estabeleceu-se rapidamente como líder no desenvolvimento de IA de código aberto.

O modelo chega em plena vaga intensificada de lançamentos de empresas tecnológicas chinesas ansiosas por demonstrar capacidades antes das férias do Ano Novo Lunar. No entanto, o GLM-5 distingue-se pela combinação de escala técnica, disponibilidade de código aberto sob a permissiva licença MIT e completa independência das unidades de processamento gráfico da NVIDIA. Em vez disso, a Zhipu AI utilizou chips Huawei Ascend e o framework MindSpore para treinar o sistema, um desenvolvimento com implicações significativas para a dinâmica das cadeias de abastecimento globais em infraestrutura de inteligência artificial. Esta conquista valida que o treino de IA de fronteira é possível fora do ecossistema NVIDIA, abrindo portas à diversidade de hardware e reduzindo os riscos de dependência de um único fornecedor em todo o setor. O momento sublinha a urgência de Pequim em mostrar progressos na autossuficiência em chips nacionais, à medida que Washington aperta as restrições à exportação de semicondutores de gama alta.

Arquitetura técnica e escala

O GLM-5 representa uma expansão substancial em relação ao seu antecessor, o GLM-4.7, que continha 355 mil milhões de parâmetros. O novo modelo duplica esta capacidade para 744 mil milhões de parâmetros totais, empregando simultaneamente uma arquitetura Mixture of Experts que ativa apenas 40 mil milhões de parâmetros por tarefa de inferência. Esta abordagem, que utiliza 256 módulos especialistas com oito ativados por token, permite ao sistema alcançar elevado desempenho ao mesmo tempo que gere os custos computacionais de forma eficiente. A arquitetura representa uma mudança para padrões de ativação esparsa que maximizam a capacidade sem aumentos lineares nas despesas operacionais, uma consideração crucial para organizações que implementam modelos de grande dimensão à escala.

O conjunto de dados de treino expandiu-se em conformidade, passando de 23 biliões de tokens na geração anterior para 28,5 biliões de tokens no GLM-5. Uma inovação técnica crítica envolve a adoção da DeepSeek Sparse Attention, um mecanismo pioneiramente desenvolvido pela startup DeepSeek, sediada em Hangzhou, que permite ao modelo processar janelas de contexto até 200.000 tokens, mantendo uma capacidade de saída de 131.000 tokens, entre os valores mais elevados do setor. Esta capacidade de contexto longo permite ao modelo lidar com documentos enormes, bases de código completas, coleções de artigos de investigação e transcrições de vídeo numa única sessão, possibilitando raciocínio complexo em entradas extensas. O mecanismo de atenção esparsa aborda especificamente a sobrecarga computacional que normalmente sobrecarrega os modelos de atenção densa ao processar sequências longas.

Desempenho em benchmarks e capacidades de programação

De acordo com testes internos publicados pela Zhipu AI, o GLM-5 alcança níveis de desempenho que o colocam no topo das classificações de modelos de código aberto e a curta distância dos sistemas proprietários ocidentais. No SWE-bench Verified, um benchmark amplamente respeitado que mede capacidades de engenharia de software do mundo real, o modelo obteve 77,8 por cento, superando o Gemini 3 Pro da Google DeepMind, com 76,2 por cento, e aproximando-se do Claude Opus 4.5 da Anthropic, com 80,9 por cento. A empresa reconhece que o Claude continua a ser o modelo de programação líder no geral, mas destaca a liderança do GLM-5 entre os sistemas abertos. No SWE-bench Multilingual, o GLM-5 alcançou 73,3 por cento, demonstrando um desempenho forte em diversas linguagens de programação.

O modelo demonstra particular força em tarefas operacionais de horizonte longo. No Vending Bench 2, que simula operações comerciais prolongadas que exigem um desempenho autónomo sustentado, o GLM-5 alcançou um saldo final de conta de 4.432 dólares, ficando em primeiro lugar entre todos os modelos de código aberto testados. No BrowseComp, um benchmark para recuperação e síntese de informação, o sistema obteve 75,9 pontos, liderando novamente a categoria de código aberto. O modelo obteve também 50,4 pontos no Humanity's Last Exam com ferramentas ativadas, e 89,7 no Tau Squared Bench, indicando fortes capacidades de raciocínio lógico em múltiplos passos. No Terminal-Bench 2.0, o sistema obteve 56,2 por cento, subindo para 60,7 por cento na versão verificada.

Avaliações internas de engenharia no CC-Bench-V2 mostram o GLM-5 a alcançar uma taxa de sucesso de construção de frontend de 98 por cento e 74,8 por cento de correção ponta a ponta, em comparação com 93 por cento e 75,7 por cento, respetivamente, para o Claude Opus 4.5. O modelo demonstrou também um desempenho de 65,6 por cento em tarefas de grande repositório de horizonte longo. Estes resultados sugerem que o sistema é particularmente capaz de lidar com fluxos de trabalho complexos de desenvolvimento full stack e projetos com múltiplos ficheiros.

Lukas Petersson, cofundador da startup Andon Labs, focada em protocolos de IA autónoma e segurança, realizou uma avaliação independente dos registos do GLM-5 através do benchmark Vending Bench 2. Observou que o modelo alcança objetivos através de uma execução tática agressiva, embora tenha alertado para limitações de consciência situacional em comparação com as principais alternativas ocidentais.

Depois de horas a ler registos do GLM-5: um modelo incrivelmente eficaz, mas muito menos consciente da situação. Alcança objetivos através de táticas agressivas, mas não raciocina sobre a sua situação nem aproveita a experiência. Isto é assustador. É assim que se obtém um maximizador de clipes de papel.

A Zhipu AI destacou também uma taxa de alucinação recorde baixa, com uma pontuação de menos um no Índice de Omnisciência versão 4.0 da Artificial Analysis, o que representa uma melhoria de 35 pontos em relação à geração anterior. Esta métrica indica a capacidade melhorada do modelo de reconhecer fronteiras do conhecimento e abster-se de gerar informação fabricada quando incerto, uma capacidade crítica para ambientes empresariais de produção onde a precisão é primordial.

Inovação no treino e soberania de hardware

Para além das métricas de desempenho brutas, o processo de desenvolvimento do GLM-5 marca um momento decisivo para a soberania tecnológica. O modelo foi treinado inteiramente com chips da série Huawei Ascend 910, evitando qualquer dependência de hardware NVIDIA atualmente restringido pelos controlos de exportação dos Estados Unidos que visam o setor da computação avançada da China. Isto está alinhado com o esforço mais amplo da China em prol da autossuficiência em semicondutores, com o objetivo de alcançar uma independência substancial em chips para centros de dados até 2027. Para a indústria global de IA, isto sinaliza que a diversidade de hardware no treino de IA não é apenas possível, mas está a acontecer à escala de fronteira.

Para resolver ineficiências de treino a esta escala, a Zhipu AI desenvolveu uma nova infraestrutura de aprendizagem por reforço assíncrona, com o nome de código interno slime. As abordagens tradicionais de aprendizagem por reforço sofrem frequentemente de estrangulamentos de geração que consomem mais de 90 por cento do tempo de treino. O framework slime quebra estas restrições ao permitir que as trajetórias sejam geradas de forma independente, possibilitando iterações de granularidade fina necessárias para comportamentos agênticos complexos através de otimizações ao nível do sistema, incluindo Active Partial Rollouts. O framework utiliza um sistema modular tripartido composto por um módulo de treino de alto desempenho alimentado pelo Megatron-LM, um módulo de rollout que utiliza SGLang e routers personalizados para geração de dados de alto débito, e um Data Buffer centralizado que gere a inicialização de prompts e o armazenamento de rollouts.

A empresa otimizou adicionalmente o GLM-5 para implementação num vasto ecossistema de plataformas de semicondutores chinesas nacionais para além da Huawei, incluindo chips da Moore Threads, Cambricon, Kunlunxin, MetaX, Enflame e Hygon. Através da otimização de kernels e da quantização de modelos, o sistema alcança um débito adequado nestas plataformas alternativas, sinalizando uma pilha computacional de IA nacional em maturação que apoia o objetivo estratégico da China de construir infraestruturas robustas com apoio local. Esta compatibilidade reduz a dependência de qualquer fornecedor único de hardware e demonstra a viabilidade de aceleradores de IA alternativos.

Engenharia agêntica e geração de documentos

A Zhipu AI posiciona o GLM-5 como uma ferramenta de engenharia agêntica, e não como simples IA conversacional, representando uma evolução do setor desde aquilo a que a empresa chama vibe coding para uma engenharia de sistemas abrangente. O sistema inclui um modo Agent nativo capaz de decompor objetivos de alto nível em subtarefas acionáveis, orquestrar ferramentas e executar fluxos de trabalho de forma autónoma para produzir resultados prontos a usar. Este paradigma de entrega em primeiro lugar vai além da conversa para a execução direta, permitindo aos utilizadores especificar portas de qualidade enquanto a IA trata dos detalhes de implementação.

Uma capacidade distintiva envolve a geração direta de documentos profissionais de escritório. O modelo pode transformar prompts ou dados em bruto em documentos Microsoft Word formatados, ficheiros PDF e folhas de cálculo Excel sem exigir formatação manual ou passos intermédios de processamento. As aplicações incluem a geração automatizada de relatórios financeiros, propostas de patrocínio e visualizações complexas de análise de dados, incluindo gráficos e tabelas exportáveis em formatos padrão. Os utilizadores podem carregar dados e receber análise instantânea com resultados exportáveis nos formatos xlsx, csv ou png.

Para programadores de software, a Zhipu AI oferece o GLM Coding Plan, um serviço de subscrição que se integra com mais de vinte ambientes de desenvolvimento populares, incluindo Claude Code, Cursor, Cline, Roo Code, OpenCode, Kilo Code, Crush e Goose. O plano proporciona acesso escalonado, desde uma opção Lite mensal de dez dólares que oferece três vezes a utilização do Claude Pro, até um nível Pro de trinta dólares com tempos de resposta 40 a 60 por cento mais rápidos, e um nível Max de oitenta dólares que oferece desempenho garantido em horas de pico e acesso antecipado a novas funcionalidades. Todos os planos suportam capacidades de Vision Understanding, Web Search MCP e Web Reader MCP. A empresa afirma que este modelo de subscrição fornece dezenas de milhares de milhões de tokens por mês a aproximadamente um por cento do preço padrão da API, com velocidades superiores a 55 tokens por segundo para interação em tempo real.

Estratégia comercial e restrições de infraestrutura

Apesar das conquistas técnicas, a Zhipu AI enfrenta restrições imediatas de infraestrutura que forçaram ajustes de preços. A empresa aumentou os preços do GLM Coding Plan em 30 por cento, com efeito a 11 de fevereiro, citando um forte crescimento de utilizadores e de utilização que empurrou os recursos computacionais até aos seus limites. Numa declaração pública, a empresa reconheceu que a capacidade computacional está muito limitada, observando que, mesmo antes do lançamento do GLM-5, todos os chips disponíveis estavam a operar à capacidade máxima para satisfazer a procura de inferência existente. Os descontos de primeira compra foram removidos, embora as opções de faturação trimestral e anual proporcionem agora poupanças de 10 e 30 por cento, respetivamente.

A implementação local do GLM-5 exige aproximadamente 1.490 gigabytes de memória, cerca do dobro da pegada do GLM-4.7. Este requisito de hardware cria uma barreira para organizações mais pequenas que procuram executar o modelo no local, embora os pesos abertos permaneçam disponíveis no HuggingFace e no ModelScope para quem tiver recursos suficientes. Para utilizadores de API na nuvem, a pressão sobre a infraestrutura cria potencial incerteza quanto à limitação de pedidos ou à degradação dos tempos de resposta à medida que a empresa aumenta a capacidade para satisfazer a procura.

O preço do acesso à API posiciona o GLM-5 como uma alternativa disruptiva em termos de custo aos modelos proprietários ocidentais. Os tokens de entrada custam aproximadamente um dólar por milhão, com os tokens de saída a três dólares e vinte cêntimos por milhão. Isto compara-se com o preço do Anthropic Claude Opus 4.6, a cinco dólares por milhão de tokens de entrada e vinte e cinco dólares por milhão de tokens de saída, representando uma vantagem de custo de cerca de seis a dez vezes, dependendo dos padrões de utilização. O GPT-5.2 custa 1,75 dólares por milhão de tokens de entrada e 14 dólares por milhão de tokens de saída, ainda significativamente mais caro do que o GLM-5. O Grok 4.1 Fast custa 20 cêntimos por milhão de tokens de entrada, representando uma opção de menor custo, embora com perfis de capacidade diferentes.

Panorama competitivo e timing da indústria

O lançamento do GLM-5 coincidiu com uma série de anúncios de laboratórios rivais chineses de IA, criando uma demonstração concentrada de capacidade tecnológica nacional antes das festividades do Ano Novo Lunar. A DeepSeek atualizou o seu modelo principal no mesmo dia, expandindo a capacidade da janela de contexto em dez vezes, para mais de um milhão de tokens. A MiniMax, que concluiu a sua IPO em Hong Kong ao mesmo tempo que a Zhipu em janeiro, lançou o seu modelo M2.5 com ferramentas agênticas melhoradas, fazendo as suas ações subirem quase 50 por cento na semana. Outros lançamentos incluíram o modelo de geração de vídeo Seedance 2.0 da ByteDance, o sistema multimodal unificado Ming-Flash-Omni 2.0 da Ant Group, capaz de gerar fala e música, e o modelo Kimi 2.5 da Moonshot AI, lançado em finais de janeiro.

O primeiro-ministro chinês, Li Qiang, sublinhou o desenvolvimento coordenado de recursos computacionais e infraestrutura energética para apoiar esta aceleração durante um discurso político a 11 de fevereiro, apelando à aplicação de IA à escala e comercializada e a uma melhor coordenação de recursos. Destacou também planos para melhorar o ambiente para talento e empresas de IA. O timing sincronizado reflete um posicionamento estratégico dentro do setor de IA da China, onde as empresas coordenam cada vez mais anúncios importantes para maximizar o impacto e demonstrar progresso coletivo face à liderança tecnológica norte-americana.

Para os investidores, a subida das startups de IA puras contrasta com a fraqueza dos maiores conglomerados tecnológicos, como a Tencent e a Alibaba, cujas ações caíram 2,6 e 2,1 por cento, respetivamente, no mesmo período. Isto sugere uma preferência do mercado por empresas especializadas de inteligência artificial em vez de gigantes diversificados. Analistas da Jefferies observaram que os modelos chineses demonstram fortes capacidades de IA agêntica, posicionando-os bem para tirar partido da rápida adoção empresarial. O índice Hang Seng Tech de Hong Kong caiu 1,7 por cento no total, destacando a natureza seletiva do entusiasmo dos investidores.

O essencial

• A Zhipu AI lançou o GLM-5, um modelo de linguagem de código aberto com 744 mil milhões de parâmetros, treinado inteiramente em chips Huawei Ascend sem hardware NVIDIA, marcando um marco na independência da infraestrutura de IA da China.
• O modelo alcança 77,8 por cento nos benchmarks de programação SWE-bench Verified, aproximando-se do Claude Opus 4.5 da Anthropic, e ocupa o primeiro lugar entre os modelos de código aberto no Vending Bench 2 e no BrowseComp.
• O GLM-5 emprega uma arquitetura Mixture of Experts com 256 especialistas e utiliza DeepSeek Sparse Attention para processar janelas de contexto de 200.000 tokens, mantendo a eficiência computacional.
• O sistema apresenta taxas de alucinação recorde baixas, com uma pontuação de menos um no Índice de Omnisciência da Artificial Analysis, representando uma melhoria de 35 pontos em relação à geração anterior.
• A Zhipu AI aumentou os preços da subscrição do GLM Coding Plan em 30 por cento devido à pressão sobre a infraestrutura, enquanto as ações da empresa cotadas em Hong Kong dispararam quase 30 por cento após o anúncio.
• O lançamento coincide com atualizações importantes da DeepSeek, MiniMax, ByteDance e Ant Group, intensificando a concorrência no setor de IA da China antes das festividades do Ano Novo Lunar.