GLM 術語表

GLM 模型相關技術術語速查：架構、注意力、基準測試與產品概念。

MoE 混合專家	Mixture-of-Experts 架構：每個 token 只激活部分專家網絡，兼顧模型容量與推理成本。
Post-training 後訓練	在預訓練基座之後的大規模訓練階段（SFT/RL 等），GLM-5.3 的全部能力提升均來自此階段。
1M Context 百萬上下文	100 萬 token 的上下文窗口，可一次讀入大型代碼庫或長篇文檔。
IndexShare 索引共享	每四個稀疏注意力層共享一個輕量索引器，百萬上下文下每 token FLOPs 降低 2.9 倍。
KVShare KV 共享	跨層共享鍵值緩存，進一步壓縮長上下文推理的顯存佔用。
MTP 多 token 預測	Multi-Token Prediction：一次預測多個未來 token，加速推理與訓練信號傳遞。
Thinking Level 思考力度	低 / 高 / 最高三檔可控推理深度，按任務複雜度分配算力。
Terminal-Bench 終端基準	評測模型在真實終端環境中完成長週期系統任務的基準，2.1 版 GLM-5.3 得分 88.2。
CyberGym 安全攻防基準	網絡安全攻防能力評測，GLM-5.3 以 84.5% 取得當前領先。
ExploitBench 漏洞利用基準	源代碼漏洞審計與利用能力評測，GLM-5.3 得分 54.4（前代 24.4）。
Agent 智能體	能自主規劃、調用工具並跨步驟完成任務的 AI 系統。
MIT License MIT 協議	極寬鬆的開源協議：可商用、可修改、可再分發，僅需保留版權聲明。