大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



4月8号智谱开源了GLM-5.1，744B参数MoE架构，SWE-Bench Pro编程测试拿了58.4%，比GPT-5.4的57.7%和Claude Opus 4.6的57.3%都高。本文从架构设计、训练设施、跑分对比、实际体验和选型几个角度做一次完整的技术拆解，附代码和踩坑经验。

---

---

4月8号这天挺有戏。Anthropic放了个Claude Mythos Preview出来，测试里挖到几千个零日漏洞，结果自己吓得不敢给公众用；同一天智谱把GLM-5.1以MIT协议丢到了Hugging Face上。一边是能力太强引发的安全焦虑，一边是把顶级能力免费送出去。我比较关心后面那个——对日常写代码到底有没有用。

---

1.1 MoE混合专家

GLM-5.1用的是MoE（Mixture of Experts）架构。跟传统Dense模型不一样的地方在于：参数量很大，但每次推理只激活一小部分。

256个专家，推理时只调8个出来干活，相当于一个744B的模型以40B的计算量在跑。好处很直接：训练时知识够多（所有专家都参与），推理时不费电（只用40B的计算量）。

1.2 DeepSeek Sparse Attention

200K Token的上下文用普通Transformer的Full Attention根本算不过来。原始注意力是O(n²)的复杂度，200K Token就是400亿次运算。

Sparse Attention的思路是不全算——Token之间不是每对都需要关注，只算有实际关联的那些。计算量压下去了，长文本理解能力基本保住。

# 算一下数量级差异 import math

seq_len = 200_000 # 200K

# Full Attention: O(n²) full_ops = seq_len 2 print(f“Full: {full_ops:,.0f}”)
# 40,000,000,000

# Sparse: 大致 O(n * sqrt(n)) sparse_ops = seq_len * int(math.sqrt(seq_len)) print(f“Sparse: {sparse_ops:,.0f}”)
# 89,442,720

print(f“差了 {full_ops / sparse_ops:.0f} 倍”)
# ~447倍

工程实现里压缩比没这么夸张，但数量级上的差异确实在。

1.3 训练用的什么硬件

这部分我觉得比模型本身更值得说：

• 芯片：10万块华为昇腾910B
• 框架：MindSpore
• 英伟达：一块都没有

上周DeepSeek V4也宣布转投华为昇腾了。两个月内两个世界级模型都不依赖英伟达完成了训练，这不再是新闻，而是正在变成常态。

---

2.1 SWE-Bench Pro横向对比

SWE-Bench Pro测的是在真实GitHub仓库里定位和修复bug的能力。不是那种多选填空，是实际改代码。

看下来：

1. SWE-Bench Pro确实是目前最高分，比GPT-5.4高了0.7个点
2. 但SWE-bench Verified（另一个变体）落后Claude三个点
3. 通用推理（GPQA-Diamond）也不是最好的
4. 跟上代GLM-5比提升很大，从42.1%到58.4%

2.2 在Claude地盘上的成绩

智谱拿Claude Code当评测框架做了测试。等于是去Claude家考试。

在“客场”环境下达到对手94.6%的水平，这个比例我觉着说明编程能力确实靠近了。

2.3 数学推理差在哪

95.3%不差，但跟前两名比确实有三个多点的距离。GLM-5.1不是一个通用推理模型，它的重心就是编程和长程任务。

2.4 一个得说清楚的事

上面所有跑分都是智谱自己报的。之前GLM-5的自报分数后来被第三方基本验证了，但GLM-5.1的独立测评目前还没有。引用数据时记得加上这个注脚。

---

3.1 啥叫长程任务

以前用大模型的方式是一来一回：你问个问题，它给个答案，几分钟搞定。GLM-5.1支持另一种交互：把一个完整项目丢给它，它自己拆步骤，写代码，跑起来出错了自己调试，循环往复，最多能持续8个小时。

METR评测榜单显示，能做到8小时级别持续工作的开源模型，目前就GLM-5.1一个。闭源的里面Claude Opus 4.6也行。

3.2 有人拿它搭了套Linux桌面

这个测试挺有代表性的：

# 任务：从空白Ubuntu Server起步 # 目标：安装配置一套完整可用的Linux桌面 # 包含：窗口管理、终端、文件管理、浏览器、主题 

GLM-5.1做了什么：

1. 分析需求，选了Xfce而不是GNOME（资源占用低）
2. 按顺序跑apt安装
3. 碰到依赖冲突自己排查修复
4. 装显示管理器、调主题、配字体
5. 最后交出可用桌面

中间零人工操作。这跟“帮我写个快排”是两码事。

3.3 API调用示例

import zhipuai

client = zhipuai.ZhipuAI(api_key=“your-key”)

response = client.chat.completions.create(

model="glm-5.1", messages=[ { "role": "system", "content": "你是一个高级后端工程师。" }, { "role": "user", "content": """ 用Go + Gin写一个REST API项目： 1. 用户CRUD四个接口 2. PostgreSQL存储 3. JWT认证中间件 4. 完整单元测试 5. Dockerfile + docker-compose.yml """ } ], max_tokens=, temperature=0.7 

)

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

---

4.1 本地部署

个人搞本地部署不太现实。但有API——

4.2 API价格

3块钱和200块钱，差了66倍。编程场景下这个性价比没法不心动。

---

---

---

GLM-5.1在国产开源大模型里算是个比较像样的成绩单。编程测试拿了当前最高分、8小时长程执行、MIT协议无限制开源、全华为昇腾训练——这几件事放在一起有分量。

但别太上头。数学推理跟GPT-5.4比有差距，SWE-bench Verified也不是第一，聊天写东西不如Claude自然，跑分数据目前只有自报还没第三方验证。定位很明确：一个面向重度编程场景的生产力工具。

再过5天GPT-6就来了，到时候排名表免不了要洗一轮。不过至少在今天，国产开源模型站到了编程能力的最前面，这事值得记一下。

---

1. 智谱AI官方文档 - GLM-5.1
2. Hugging Face - zai-org/GLM-5.1
3. ChooseAI - GLM-5.1评测
4. 澎湃新闻 - 智谱正式开源GLM-5.1
5. Anthropic - Claude Mythos Preview System Card

---

你用过GLM-5.1了吗？跟Claude比感觉怎么样？评论区聊聊。

本文有帮助的话，点赞收藏关注走一波，持续写AI工具的评测和实战。