REPOGEO 报告 · LITE
zai-org/GLM-130B
默认分支 main · commit 212215c5 · 扫描时间 2026/6/30 17:32:40
星标 7,660 · Fork 602
下方为分数趋势(含全部就绪扫描;左旧右新,可横向滚动)。表格明细默认折叠,展开后每页 10 条,最新在上。
共 2 条就绪扫描。点击下方按钮展开表格(每页 10 条,可翻页)。
行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试:当用户向 AI 提一个不带品牌、本应让 zai-org/GLM-130B 浮出水面的问题时,AI 是真的推荐了你,还是推荐了你的竞品?客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。
行动计划 — 可复制粘贴的修复
3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。
- hightopics#1Add relevant topics for better categorization
原因:
复制粘贴的修复large-language-model, llm, nlp, chinese-english, bilingual, pre-trained-model, deep-learning, machine-learning, gpu-inference, a100
- highreadme#2Strengthen README's opening value proposition for AI
原因:
当前GLM-130B is an open bilingual (English & Chinese) bidirectional dense model with 130 billion parameters, pre-trained using the algorithm of General Language Model (GLM). It is designed to support inference tasks with the 130B parameters on **a single A100 (40G * 8)** or **V100 (32G * 8) server**. With INT4 quantization, the hardware requirements can further be reduced to **a single server with 4 * RTX 3090 (24G)** with **almost no performance degradation**.
复制粘贴的修复GLM-130B is a groundbreaking open bilingual (English & Chinese) 130-billion-parameter model, uniquely engineered for efficient inference on a single A100 or V100 GPU server. Leveraging the General Language Model (GLM) algorithm, it offers high-performance NLP capabilities with significantly reduced hardware requirements, even supporting 4 * RTX 3090 with INT4 quantization.
- mediumhomepage#3Add a homepage URL to the repository metadata
原因:
复制粘贴的修复http://keg.cs.tsinghua.edu.cn/glm-130b/posts/glm-130b/
本次扫描解析到的品类 GEO 通道:google/gemini-2.5-flash, deepseek/deepseek-v4-flash
品类可见性 — 真正的 GEO 测试
向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你,还是推荐了别人?
各模型使用同一组问题 — 切换标签对比回答与排名。
- Baichuan 2 · 被推荐 1 次
- Qwen · 被推荐 1 次
- InternLM · 被推荐 1 次
- Llama 2 · 被推荐 1 次
- Chinese-Llama-2 · 被推荐 1 次
- 品类问题What open-source large language models support both English and Chinese text generation?你:未被推荐AI 推荐顺序:
- Baichuan 2
- Qwen
- InternLM
- Llama 2
- Chinese-Llama-2
- BLOOM
AI 推荐了 6 个替代方案,却始终没点名 zai-org/GLM-130B。这就是要补上的差距。
查看 AI 完整回答
- 品类问题Looking for a powerful pre-trained model for inference on a single A100 GPU.你:未被推荐AI 推荐顺序:
- Llama 3 8B Instruct
- Mistral 7B Instruct v0.2
- Gemma 7B Instruct
- Mixtral 8x7B Instruct v0.1
- Stable Diffusion XL (SDXL)
- Diffusers
- Whisper Large-v3
AI 推荐了 7 个替代方案,却始终没点名 zai-org/GLM-130B。这就是要补上的差距。
查看 AI 完整回答
客观检查
针对 AI 引擎最看重的元数据信号的规则审计。
- Metadata completenesswarn
建议:
- README presencepass
自指检查
当被直接问到你时,AI 是否还知道你的仓库存在?
- Compared to common alternatives in this category, what is the core differentiator of zai-org/GLM-130B?passAI 未点名 zai-org/GLM-130B —— 很可能在说另一个项目
AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?
- If a team adopts zai-org/GLM-130B in production, what risks or prerequisites should they evaluate first?passAI 明确点名了 zai-org/GLM-130B
AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?
- In one sentence, what problem does the repo zai-org/GLM-130B solve, and who is the primary audience?passAI 明确点名了 zai-org/GLM-130B
AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?
嵌入你的 GEO 徽章
把这个徽章贴进 zai-org/GLM-130B 的 README。每次重新扫描都会自动更新,并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。
[](https://repogeo.com/zh/r/zai-org/GLM-130B)<a href="https://repogeo.com/zh/r/zai-org/GLM-130B"><img src="https://repogeo.com/badge/zai-org/GLM-130B.svg" alt="RepoGEO" /></a>订阅 Pro,解锁深度诊断
zai-org/GLM-130B — 轻量扫描仍免费;本卡列出 Pro 相对轻量的深度额度。
- 深度报告每月 10 次
- 无品牌品类查询5,轻量 2
- 优先行动项8,轻量 3