Zhipu AI, da China, apresenta o GLM-5: modelo de código aberto com 744 bilhões de parâmetros treinado em chips nacionais

Movimento da China pela independência em IA chega à escala de fronteira

A startup chinesa de inteligência artificial Zhipu AI, que opera internacionalmente sob a marca Z.ai, lançou o GLM-5, um grande modelo de linguagem com 744 bilhões de parâmetros, o primeiro sistema de IA de escala de fronteira treinado inteiramente em hardware chinês, sem depender de tecnologia de semicondutores dos Estados Unidos. O anúncio, em 11 de fevereiro, fez as ações da empresa listada em Hong Kong, oficialmente chamada Knowledge Atlas Technology, dispararem quase 30%, fechando a 405 dólares de Hong Kong, quatro vezes o preço da oferta pública inicial, realizada apenas um mês antes. A empresa captou aproximadamente 558 milhões de dólares em seu IPO de janeiro de 2026, tornando-se a primeira empresa de modelos fundacionais com ações negociadas em bolsa no mundo. Fundada em 2019 como uma derivação da Universidade Tsinghua, a Zhipu AI se estabeleceu rapidamente como líder no desenvolvimento de IA de código aberto.

O modelo chega em meio a uma onda crescente de lançamentos de empresas chinesas de tecnologia, ansiosas para demonstrar suas capacidades antes do feriado do Ano-Novo Lunar. O GLM-5, porém, se diferencia pela combinação de escala técnica, disponibilidade em código aberto sob a licença permissiva MIT e total independência de unidades de processamento gráfico da NVIDIA. Em vez disso, a Zhipu AI usou chips Ascend, da Huawei, e o framework MindSpore para treinar o sistema, um avanço com implicações importantes para a dinâmica global das cadeias de suprimentos de infraestrutura de inteligência artificial. A conquista comprova que é possível treinar IA de escala de fronteira fora do ecossistema da NVIDIA, abrindo espaço para a diversificação de hardware e reduzindo os riscos de dependência de um único fornecedor em todo o setor. O momento do anúncio ressalta a urgência de Pequim em demonstrar avanços rumo à autossuficiência na produção doméstica de chips, enquanto Washington endurece as restrições à exportação de semicondutores de ponta.

Arquitetura técnica e escala

O GLM-5 representa uma expansão substancial em relação a seu antecessor, o GLM-4.7, que tinha 355 bilhões de parâmetros. O novo modelo dobra essa capacidade, chegando a 744 bilhões de parâmetros no total, e emprega uma arquitetura de Mistura de Especialistas (MoE, na sigla em inglês), que ativa apenas 40 bilhões de parâmetros por tarefa de inferência. Essa abordagem, que usa 256 módulos especialistas e ativa oito por token, permite ao sistema alcançar alto desempenho e, ao mesmo tempo, controlar os custos computacionais com eficiência. A arquitetura representa uma mudança para padrões de ativação esparsa que maximizam a capacidade sem aumentar linearmente os custos operacionais, uma consideração crucial para organizações que implantam grandes modelos em escala.

O conjunto de dados de treinamento cresceu na mesma proporção: passou de 23 trilhões de tokens na geração anterior para 28,5 trilhões no GLM-5. Uma inovação técnica crucial é a adoção do DeepSeek Sparse Attention, mecanismo pioneiro da startup DeepSeek, sediada em Hangzhou, que permite ao modelo processar janelas de contexto de até 200 mil tokens e manter uma capacidade de saída de 131 mil tokens, entre os maiores valores do setor. Essa capacidade de lidar com contextos longos permite processar documentos extensos, bases de código completas, coleções de artigos de pesquisa e transcrições de vídeo em uma única sessão, viabilizando raciocínios complexos a partir de grandes volumes de informação. O mecanismo de atenção esparsa trata especificamente do custo computacional que costuma sobrecarregar os modelos de atenção densa ao processar sequências longas.

Desempenho em benchmarks e capacidades de programação

De acordo com testes internos divulgados pela Zhipu AI, o GLM-5 alcança um desempenho que o coloca no topo dos rankings de modelos de código aberto e perto dos sistemas proprietários ocidentais. No SWE-bench Verified, benchmark amplamente respeitado que mede capacidades de engenharia de software em situações reais, o modelo obteve 77,8%, superando o Gemini 3 Pro, da Google DeepMind, com 76,2%, e se aproximando do Claude Opus 4.5, da Anthropic, com 80,9%. A empresa reconhece que o Claude ainda é o melhor modelo de programação em termos gerais, mas destaca a liderança do GLM-5 entre os sistemas abertos. No SWE-bench Multilingual, o GLM-5 obteve 73,3%, com bom desempenho em diversas linguagens de programação.

O modelo se destaca especialmente em tarefas operacionais de longa duração. No Vending Bench 2, que simula operações comerciais prolongadas e exige desempenho autônomo constante, o GLM-5 terminou com um saldo de 4.432 dólares, ficando em primeiro lugar entre todos os modelos de código aberto avaliados. No BrowseComp, benchmark de recuperação e síntese de informações, o sistema obteve 75,9 pontos, novamente liderando a categoria de código aberto. O modelo também alcançou 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 várias etapas. No Terminal-Bench 2.0, o sistema obteve 56,2%, chegando a 60,7% na versão verificada.

Avaliações internas de engenharia no CC-Bench-V2 mostram que o GLM-5 alcançou uma taxa de sucesso de 98% na criação de interfaces frontend e 74,8% de precisão de ponta a ponta, em comparação com 93% e 75,7%, respectivamente, do Claude Opus 4.5. O modelo também teve desempenho de 65,6% em tarefas de longa duração envolvendo grandes repositórios. Esses resultados sugerem que o sistema é especialmente capaz de lidar com fluxos de trabalho complexos de desenvolvimento full stack e projetos com vários arquivos.

Lukas Petersson, cofundador da startup Andon Labs, que desenvolve um protocolo autônomo de IA com foco em segurança, avaliou de forma independente os registros de execução do GLM-5 por meio do benchmark Vending Bench 2. Ele observou que o modelo atinge seus objetivos com táticas agressivas, mas alertou para limitações de consciência situacional em comparação com as principais alternativas ocidentais.

Depois de horas lendo os registros de execução do GLM-5: um modelo incrivelmente eficaz, mas com muito menos consciência situacional. Atinge os objetivos por meio de táticas agressivas, mas não raciocina sobre a própria situação nem aproveita a experiência. Isso é assustador. É assim que se cria um maximizador de clipes de papel.

A Zhipu AI também destacou uma taxa recorde de alucinações, com pontuação de menos um na versão 4.0 do Artificial Analysis Omniscience Index, uma melhora de 35 pontos em relação à geração anterior. A métrica indica que o modelo melhorou sua capacidade de reconhecer os limites do próprio conhecimento e de evitar gerar informações inventadas quando não tem certeza, uma capacidade essencial para ambientes corporativos de produção, nos quais a precisão é fundamental.

Inovação no treinamento e soberania de hardware

Além das métricas de desempenho bruto, o processo de desenvolvimento do GLM-5 marca um divisor de águas para a soberania tecnológica. O modelo foi treinado inteiramente com chips da série Ascend 910, da Huawei, sem depender de hardware da NVIDIA, atualmente sujeito aos controles de exportação dos Estados Unidos voltados ao setor de computação avançada da China. Isso está alinhado ao esforço mais amplo da China para alcançar a autossuficiência em semicondutores, com a meta de obter independência substancial em chips para centros de dados até 2027. Para o setor global de IA, isso demonstra que a diversidade de hardware no treinamento de IA não é apenas possível: ela já está acontecendo em escala de fronteira.

Para contornar as ineficiências do treinamento nessa escala, a Zhipu AI desenvolveu internamente uma nova infraestrutura de aprendizado por reforço assíncrono, codinome slime. As abordagens tradicionais de aprendizado por reforço muitas vezes sofrem com gargalos de geração, que consomem mais de 90% do tempo de treinamento. O framework slime supera essas limitações ao permitir que as trajetórias sejam geradas de forma independente, possibilitando iterações detalhadas, necessárias para comportamentos complexos de agentes, por meio de otimizações em nível de sistema, incluindo Active Partial Rollouts. O framework usa um sistema modular tripartite, composto por um módulo de treinamento de alto desempenho baseado no Megatron-LM, um módulo de geração de trajetórias que utiliza o SGLang e roteadores personalizados para gerar dados em alta velocidade e um Data Buffer centralizado que gerencia a inicialização de prompts e o armazenamento das trajetórias.

A empresa também otimizou o GLM-5 para implantação em um amplo ecossistema de plataformas chinesas de semicondutores, além da Huawei. Entre elas estão chips da Moore Threads, Cambricon, Kunlunxin, MetaX, Enflame e Hygon. Com otimizações de kernel e quantização do modelo, o sistema alcança uma taxa de processamento adequada nessas plataformas alternativas, sinalizando a maturidade crescente da infraestrutura doméstica de computação para IA e contribuindo para o objetivo estratégico da China de criar infraestruturas robustas com suporte local. Essa compatibilidade reduz a dependência de qualquer fornecedor individual de hardware e demonstra a viabilidade de aceleradores de IA alternativos.

Engenharia agêntica e geração de documentos

A Zhipu AI apresenta o GLM-5 como uma ferramenta para engenharia agêntica, e não apenas como uma IA conversacional, refletindo a evolução do setor do que a empresa chama de programação por intuição para a engenharia de sistemas abrangente. O sistema inclui um modo de agente nativo capaz de decompor objetivos de alto nível em subtarefas executáveis, coordenar ferramentas e realizar fluxos de trabalho de forma autônoma para entregar resultados prontos para uso. Esse modelo de execução que prioriza a entrega vai além da conversa e permite que usuários definam critérios de qualidade enquanto a IA cuida dos detalhes da implementação.

Uma capacidade diferenciada é a geração direta de documentos profissionais de escritório. O modelo pode transformar prompts ou dados brutos em documentos formatados do Microsoft Word, arquivos PDF e planilhas do Excel, sem necessidade de formatação manual ou etapas intermediárias de processamento. Entre as aplicações estão a geração automática de relatórios financeiros, propostas de patrocínio e visualizações de análises complexas de dados, incluindo gráficos e tabelas exportáveis em formatos padrão. Os usuários podem carregar dados e receber análises instantâneas, com resultados exportáveis nos formatos xlsx, csv ou png.

Para desenvolvedores de software, a Zhipu AI oferece o GLM Coding Plan, um serviço por assinatura integrado a mais de vinte ambientes de desenvolvimento populares, incluindo Claude Code, Cursor, Cline, Roo Code, OpenCode, Kilo Code, Crush e Goose. O plano oferece acesso em diferentes níveis: a opção Lite, por dez dólares ao mês, com três vezes o uso do Claude Pro; o plano Pro, por trinta dólares, com tempos de resposta de 40% a 60% mais rápidos; e o plano Max, por oitenta dólares, com desempenho garantido nos horários de pico e acesso antecipado a novos recursos. Todos os planos incluem os recursos Vision Understanding, Web Search MCP e Web Reader MCP. A empresa afirma que esse modelo de assinatura oferece dezenas de bilhões de tokens por mês por aproximadamente 1% do preço padrão da API, com velocidades superiores a 55 tokens por segundo para interação em tempo real.

Estratégia comercial e limitações de infraestrutura

Apesar dos avanços técnicos, a Zhipu AI enfrenta limitações imediatas de infraestrutura, que a obrigaram a ajustar os preços. A empresa aumentou em 30% os preços do GLM Coding Plan a partir de 11 de fevereiro, citando o forte crescimento no número de usuários e no uso do serviço, que levou os recursos computacionais ao limite. Em comunicado público, a empresa reconheceu que a capacidade computacional está muito apertada e observou que, mesmo antes do lançamento do GLM-5, todos os chips disponíveis operavam na capacidade máxima para atender à demanda existente por inferência. Os descontos para a primeira compra foram removidos, mas agora há opções de pagamento trimestral e anual, com descontos de 10% e 30%, respectivamente.

Para rodar o GLM-5 localmente, são necessários aproximadamente 1.490 gigabytes de memória, cerca do dobro do espaço ocupado pelo GLM-4.7. Essa exigência de hardware representa uma barreira para organizações menores que desejam executar o modelo localmente, embora os pesos abertos continuem disponíveis no HuggingFace e no ModelScope para quem dispõe dos recursos necessários. Para usuários da API na nuvem, a pressão sobre a infraestrutura pode gerar incerteza quanto a limites de uso ou à redução dos tempos de resposta enquanto a empresa amplia sua capacidade para atender à demanda.

Os preços de acesso à API posicionam o GLM-5 como uma alternativa de baixo custo disruptivo em relação aos modelos proprietários ocidentais. Os tokens de entrada custam aproximadamente um dólar por milhão, enquanto os de saída custam três dólares e vinte centavos por milhão. Em comparação, o Claude Opus 4.6, da Anthropic, custa cinco dólares por milhão de tokens de entrada e vinte e cinco dólares por milhão de tokens de saída, o que representa uma vantagem de custo de cerca de seis a dez vezes, dependendo do padrão de uso. O GPT-5.2 custa 1,75 dólar por milhão de tokens de entrada e 14 dólares por milhão de tokens de saída, ainda bem acima do GLM-5. O Grok 4.1 Fast custa 20 centavos por milhão de tokens de entrada, uma opção mais barata, embora tenha um perfil de capacidades diferente.

Cenário competitivo e momento do setor

O lançamento do GLM-5 coincidiu com uma série de anúncios de laboratórios chineses rivais de IA, em uma demonstração concentrada da capacidade tecnológica nacional antes do feriado do Ano-Novo Lunar. A DeepSeek atualizou seu modelo principal no mesmo dia, ampliando em dez vezes a janela de contexto, para mais de um milhão de tokens. A MiniMax, que concluiu seu IPO em Hong Kong junto com a Zhipu em janeiro, lançou o modelo M2.5, com ferramentas agênticas aprimoradas, e suas ações subiram quase 50% 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, do Ant Group, capaz de gerar fala e música; e o modelo Kimi 2.5, da Moonshot AI, lançado no fim de janeiro.

Em um discurso sobre políticas públicas em 11 de fevereiro, o primeiro-ministro chinês, Li Qiang, enfatizou a importância do desenvolvimento coordenado de recursos computacionais e da infraestrutura de energia para sustentar essa aceleração. Ele defendeu a ampliação e a comercialização de aplicações de IA, além de uma coordenação melhor dos recursos. Também ressaltou planos para melhorar as condições para profissionais e empresas de IA. O calendário sincronizado reflete o posicionamento estratégico do setor de IA chinês, em que as empresas coordenam cada vez mais grandes anúncios para maximizar o impacto e demonstrar avanços coletivos diante da liderança tecnológica americana.

Para os investidores, a alta das startups especializadas em IA contrasta com a fraqueza de grandes conglomerados de tecnologia, como Tencent e Alibaba, cujas ações caíram 2,6% e 2,1%, respectivamente, no mesmo período. Isso sugere uma preferência do mercado por empresas especializadas em inteligência artificial, em vez de grandes grupos diversificados. Analistas da Jefferies observaram que os modelos chineses demonstram fortes capacidades de IA agêntica, o que os coloca em boa posição para aproveitar a rápida adoção corporativa. O índice Hang Seng Tech, de Hong Kong, caiu 1,7% no total, destacando o caráter seletivo do entusiasmo dos investidores.

O essencial

• A Zhipu AI lançou o GLM-5, um modelo de linguagem de código aberto com 744 bilhões de parâmetros, treinado inteiramente em chips Ascend, da Huawei, sem hardware da NVIDIA, um marco para a independência chinesa em infraestrutura de IA.
• O modelo alcançou 77,8% no benchmark de programação SWE-bench Verified, aproximando-se do Claude Opus 4.5, da Anthropic, e ficou em primeiro lugar entre os modelos de código aberto no Vending Bench 2 e no BrowseComp.
• O GLM-5 usa uma arquitetura de Mistura de Especialistas com 256 especialistas e o DeepSeek Sparse Attention para processar janelas de contexto de 200 mil tokens com eficiência computacional.
• O sistema registra uma taxa de alucinações recorde, com pontuação de menos um no Artificial Analysis Omniscience Index, uma melhora de 35 pontos em relação à geração anterior.
• A Zhipu AI aumentou em 30% os preços da assinatura do GLM Coding Plan devido à pressão sobre a infraestrutura, enquanto as ações da empresa listadas em Hong Kong subiram quase 30% após o anúncio.
• O lançamento coincide com grandes atualizações da DeepSeek, da MiniMax, da ByteDance e do Ant Group, intensificando a concorrência no setor de IA da China antes do feriado do Ano-Novo Lunar.