Agentic能力从哪里来？拆解基座大模型GLM-5/MiniMaxM2/KimiK2.5的训练过程

本文以GLM-5为主线，结合MiniMax M2和Kimi K2.5，系统阐述了现代基座大模型如何通过分阶段训练获得Agentic（代理）、Reasoning（推理）和Coding（编程）能力。背景是AI进入Agent时代，需要模型具备复杂任务执行能力。研究目的是拆解从预训练到后训练对齐的完整链路，揭示分阶段、定向强化的训练方法。结论指出，现代大模型训练已演变为“不同能力分阶段建模、强化并最终统一收敛”的过程，涉及预训练、中期定向增强、监督微调、多阶段强化学习（推理RL、代理RL、通用RL）以及在线跨阶段蒸馏，并重点探讨了Agentic数据合成、训练-推理不一致、异步框架Off-Policy问题及多智能体并行等核心挑战与解决方案。