这份资料解决的问题

报告把智能体、推理和代码作为统一训练目标，说明MoE、混合思考模式及分阶段后训练之间的关系。355B总参数与32B激活参数是两个不同的容量口径，部署时仍需容纳完整专家权重。阅读时先核对模型架构，再比较评测条件、采样次数和工具环境，最后查看GLM-4.5-Air的取舍。

原始研究资料

原文题名：GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models。

作者：GLM-4.5 Team（智谱AI与清华大学，完整贡献者见原文）。

原始发表入口：GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models。本页上方提供完整、未经删改的原始PDF，可在线阅读或直接下载。中文文字是独立导读，不冒充全文译文；实验设置、算法公式、消融结果和附录以完整PDF为准。

原始文献及本文引用请保留作者、题名、原发表机构与原文地址。原文采用CC BY 4.0许可，本地副本保留原有署名和出版信息。

来源、翻译与版权说明

来源：原作者 · arXiv。第三方内容版权归原作者或发布机构所有；本站仅在许可证或明确授权允许时提供本地原文。