ZGCM-1：全開源、極高效率的數學與代理搜尋模型
為何重要
ZGCM-1 的開源釋出與完整資料流追蹤，提供了社會驗證「小模型 + Agent 工具使用」可行性的重要範本，挑戰了「基模必須巨型化」的市場迷思。其展示的 AI-native R&D workflow（Agent 群體管理叢集與資料）代表 AI 自動化解決問題的技術路徑已進入實戰階段。對開發者而言，這是驗證長上下文 256K、FP8 訓練穩定性地標竿案例。
ZGCM-1 是一個全開源的 7B 密集基底模型，訓練目標是透過內部思考與外部工具主動搭配，突破小引數模型的容量極限，專注於數學推理與代理搜尋任務。
- 架構與最佳化：採用交替門控 sliding-window 與 full attention 架構，並穩定使用 FP8 Muon 最佳化器以支援 256K 上下文。
- 競爭力：在數學推理與代理搜尋測試中，表現可與 Qwen3-235B-A22B 和 GLM-5.1 等大規模前沿模型抗衡。
- 訓練效率：預訓練設計在 16K 階段提供了約 4.2x 的時間至損失效率提升。