APIMaster 部落格

GLM-6 最新消息：哪些已確認、哪些尚未確認，以及開發者現在能用什麼

GLM-6 發布了嗎？查看 Z.ai 與智譜最新經查證的更新、GLM-6 自我訓練路線圖、API 狀態，以及開發者可透過 APIMaster.ai 使用的內容。

GLM-6GLM-6.0Z.ai智譜GLM APIAPIMaster

發布於 2026-09-17

快速結論

截至 2026 年 9 月 16 日，我們尚未找到 GLM-6 以公開模型或 API 形式正式發布的官方公告。 智譜創辦人兼首席科學家唐杰將 GLM-6.0 描述為聚焦於自我演化（self-evolution）的未來方向，而 2026 年 9 月的一項融資披露則描述了下一代 GLM 系列更廣泛的「完全自訓練（Fully Self Training）」系統。Z.ai 的公開發布說明與模型文件仍列出 GLM-5.2、GLM-5.3 與 GLM-5.3-Flash，並未列出公開的 GLM-6 模型 ID。

因此，對開發者而言，實際的答案很簡單：GLM-6 是一個已確認的研究與產品方向，而非已確認的正式環境端點。 在 Z.ai 公布官方模型 ID、端點、存取條款與價格之前，請勿在正式環境中使用 glm-6。若今日需要可呼叫的 GLM 路由，請查看 APIMaster 即時市集，並在 glm-5.3 等已有官方文件的模型上架且可用時使用該模型。

GLM-6 發布了嗎？

在 2026 年 9 月 16 日查核的 Z.ai 發布說明、開發者文件或公開模型索引中，均未發現已確認的公開發布。本文所引用的兩篇中文報導描述的是路線圖，而非正式發布：

百家號，2026 年 9 月 2 日： 一篇關於智譜 2026 年上半年業績的報導引述唐杰，將 GLM-6.0 的方向描述為自我演化。該模型應學會何時停止、何時自我修正，以及如何從程式開發邁向更長、更自主的工作。
新浪財經／華爾街見聞，2026 年 9 月 14 日： 一篇關於智譜融資披露的報導指出，最新募資所得中約 60%（約 235 億港元）被分配至下一代 GLM 基礎模型、「完全自訓練（Fully Self Training）」系統，以及訓練、推論與運算基礎設施。該報導明確表示，該模型與論文尚未發布。

這些報導是關於方向與投資的有用證據，但兩者皆非 API 可用性的公告。一項融資計畫可以支持未來開發，卻不構成公開模型權重、API 介面規格或發布日期。

GLM-6 發布狀態一覽

問題	截至 2026 年 9 月 16 日已確認的答案
GLM-6 是否公開發布？	未發現官方公開發布
是否有官方模型 ID？	在 Z.ai 的文件中未發現公開的 `glm-6` 或 `glm-6.0` ID
是否有官方 API 價格？	未公布 GLM-6 價格
智譜披露了什麼？	一個自我演化方向，以及一項「完全自訓練（Fully Self Training）」研究與基礎設施計畫
開發者能否透過 APIMaster 呼叫 GLM-6？	請勿假設其可用；請查看即時市集以確認路由
開發者現在能用什麼？	已有官方文件的 GLM 模型，例如 GLM-5.3 與 GLM-5.3-Flash，視當前供應商與市集可用性而定

最新報導對 GLM-6 說了些什麼？

唐杰：目標是自我演化

2026 年 9 月 2 日的百家號報導將 GLM-6.0 呈現為智譜從聊天到程式開發、代理、協作，再到自主 AI 演進的下一步。唐杰描述了一個能在預訓練、中期訓練與後訓練之間學習、能建構自身部分訓練平台，並能決定何時停止或修正其工作的模型。

這是對研究目標的描述，而非已發布的規格。該報導並未提供 GLM-6 的公開權重、上下文限制、基準測試報告、API 模型名稱或發布日期。

「完全自訓練（Fully Self Training）」是一套系統，而非單一開關

2026 年 9 月 14 日的報導解釋了智譜融資披露中所使用的這個術語。所提出的迴圈有三個相互連結的部分：

資料生成： 模型透過自我對弈、規則檢查、執行驗證、模型審查與人工抽樣，來建立、篩選、驗證與審閱訓練資料。
環境生成： 代理建立並測試擬真任務、建構驗證器、檢查任務是否可解，並擴充可重複使用的訓練環境。
基礎設施最佳化： 模型協助處理用於訓練與推論的運算子、核心、排程、快取、通訊與服務系統。

同一篇報導指出，智譜希望擁有更強大的原生多模態建模、在不造成推論成本失控增加的前提下進行更深入的有效運算，以及針對需要規劃、工具使用、錯誤復原與結果驗證的長時程任務進行強化學習。

對開發者而言，重要的意涵是 GLM-6 可能是圍繞可靠完成長任務而設計，而不僅是在短提示上取得更高分數。在 Z.ai 公布可重現的 GLM-6 證據之前，此意涵仍屬對路線圖的解讀。

關於智譜目前的 GLM 模型，有哪些已確認的事實？

Z.ai 的公開文件仍提供可用的基準。其發布說明列出 GLM-5.2、GLM-5.3 與 GLM-5.3-Flash。官方 GLM-5.3 指南描述了一個 100 萬 token 的上下文視窗、最高 128,000 個輸出 token、程式開發與代理改進、工具使用、結構化輸出、串流與上下文快取。GLM-5.3-Flash 則記載為一款成本較低、支援圖像、影片與檔案輸入的多模態模型。

這些是 GLM-5 系列的事實。不應將它們複製到 GLM-6 的比較表中，彷彿 GLM-6 繼承了這些特性。在下一份模型卡出現之前，GLM-6 的上下文長度、模態、參數數量、推理控制、授權、延遲與價格仍屬未知。

GLM-6 與 GLM-5.3：現在能比較什麼？

領域	GLM-5.3	GLM-6
公開發布	由 Z.ai 於 2026 年 8 月 18 日確認	未確認
公開 API／模型 ID	由 Z.ai 記載為 `glm-5.3`	未發現官方 ID
上下文與輸出限制	由 Z.ai 公布	未公布
多模態輸入	請查看特定模型；GLM-5.3-Flash 新增圖像、影片與檔案輸入	未公布
訓練方向	更強的後訓練與長時程程式開發	據報導聚焦於自我演化與 Fully Self Training
價格與存取	請查看 Z.ai 與即時市集條款	未公布

因此，負責任的比較是已知模型對比已宣布的方向。任何聲稱 GLM-6 已勝過某個具名競爭對手、具有特定參數數量，或維持 GLM-5 定價的說法，在主要來源公布之前都應視為未經證實。

在 GLM-6 發布前，開發者該做什麼？

保持模型識別碼可配置，並建立一套在 GLM-6 可呼叫時能重新執行的評估集。應包含：

一項多檔案程式碼變更，附帶測試與最終差異審閱。
一項長時程任務，需要規劃、工具呼叫、從錯誤中復原與驗證。
一項已知答案的文件或資料擷取任務。
一項附帶結構描述驗證的結構化輸出請求。
一份成本與延遲記錄，包含重試與失敗嘗試。

衡量已完成的工作，而非僅看排行榜分數。一個能寫出看似合理的第一個回應、卻無法檢查其結果的模型，可能不如一個能可靠完成並驗證任務的較小模型有用。

你今天能透過 API 使用 GLM-6 嗎？

截至 2026 年 9 月 16 日，沒有已確認的公開 GLM-6 API 端點或官方價格可供記載。請勿根據一則新聞標題就將 glm-6 或 glm-6.0 硬編碼到正式整合中。當公告發布時，請驗證以下四項：

官方模型 ID 與端點。
上下文、輸出、模態與推理限制。
存取條件、速率限制與區域可用性。
輸入／輸出價格與授權或使用條款。

APIMaster 的模型目錄可能隨上游供應商發布新端點而變動。在傳送流量前，請查看即時市集。該處顯示的路由是當前的整合訊號；本文並未宣布 GLM-6 的可用性或定價。

透過 APIMaster.ai 使用已有官方文件的 GLM 模型

你可以註冊 APIMaster.ai，並透過單一 OpenAI 相容工作流程比較支援的 GLM 路由。當即時市集顯示 glm-5.3 等已有官方文件的模型可用時，先從該模型開始，然後保持模型 ID 可配置，以便在正式發布後將你的評估轉移到 GLM-6。

APIMaster GLM-5.3 模型市集

2026 年 9 月 17 日的 GLM-5.3 渠道截圖，並非 GLM-6。價格與可用性可能變動。

建立 APIMaster 帳號。
開啟 模型市集，確認當前路由與價格。
在 主控台 中建立 API 金鑰。
在增加流量前，執行一項受控的程式開發或長時程評估。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_APIMASTER_KEY",
    base_url="https://apimaster.ai/v1",
)

response = client.chat.completions.create(
    model="glm-5.3",
    messages=[
        {
            "role": "user",
            "content": "Inspect this bug report, propose a patch, and include tests that verify the fix.",
        }
    ],
)

print(response.choices[0].message.content)

此範例刻意使用已有官方文件的 glm-5.3 識別碼。只有在供應商與 APIMaster 目錄公布已確認的 GLM-6 路由後，才替換它。

GLM 延伸閱讀

FAQ

GLM-6 已經發布了嗎？

在 2026 年 9 月 16 日查核的 Z.ai 資料中，未發現已確認的公開發布、模型 ID、權重或 API 端點。目前的報導描述的是未來方向。

什麼是「完全自訓練（Fully Self Training）」？

這是智譜的術語，指一套遞迴式改進系統，涵蓋生成的訓練資料、生成的任務環境，以及模型輔助的訓練與推論基礎設施最佳化。

唐杰對 GLM-6.0 說了些什麼？

2026 年 9 月 2 日的報導引述唐杰，將自我演化描述為一個重點：該模型應學會何時停止、何時自我修正，以及如何延伸長時程自主工作。這些是路線圖陳述，而非公開的模型規格。

GLM-6 有公開的 API 價格嗎？

沒有。在本次更新所查核的資料中，Z.ai 並未公布 GLM-6 的價格。

我可以用 `model: "glm-6"` 傳送請求嗎？

請勿假設該識別碼可用。請先查看即時 APIMaster 目錄與供應商的官方文件。本文範例使用 glm-5.3，因為它是已有官方文件的模型 ID。

我現在可以評估哪個 GLM 模型？

請查看當前 APIMaster 市集中 GLM-5.3 與 GLM-5.3-Flash 的可用性、價格與路由狀態。在正式使用前，先執行你自己的程式開發、工具使用、延遲與成本測試。

來源與更新日期

查核於 2026 年 9 月 16 日。官方供應商文件優先於媒體報導與社群說法。

透過 APIMaster.ai 開始你的 GLM 評估

GLM-6 值得關注，因為其報導中的方向鎖定自我演化與長時程可靠性。它目前尚不是已確認的公開 API。註冊 APIMaster.ai，立即評估已有官方文件的 GLM 路由，並讓你的整合為下一次正式發布做好準備。

返回部落格