2026年GLM-5.1正面硬刚Claude Opus 4.6，三个“绊子”测试结果惊人播报文章

科技前沿 • 2026-04-25 14:52 • 阅读 0

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。

　　2026年4月8日，智谱正式开源了他们家的最强模型GLM-5.1，这模型可真不简单。在专业软件开发基准测试SWE-BenchPro里，它直接刷新了全球**成绩，得分飙到58.4，把GPT-5.4、Claude Opus 4.6这些闭源模型，还有MiniMax M2.7、Kimi K2.5等开源模型都甩在了身后。GLM-5.1是专门为长程任务设计的，能自己规划、执行，还能不断迭代，最后交出完整的工程结果。官方说，这模型干的活相当于4人小团队连轴转一周的工作量，成了全球首个在真实工程任务中验证这种能力的开源模型。它的推文12小时内阅读量就冲破200万次，现在已经到227万次了。不少网友都说用起来跟Claude Opus 4.6差不多，AI开发者toli测试了113个编程任务后，觉得体感和Opus一样；智谱的CodingPlan用量是Claude Code订阅的三倍，价格却只有后者的1/3。开发者Beau Johnson把OpenClaw背后的模型从Opus 4.6换成GLM-5.1，体验没差别，成本却从1000美元降到了30美元左右。软件定制公司Zenoware创始人JP用GLM-5.1 one - shot完成了10个案例，觉得它是最接近Claude Opus 4.6的中国模型。

　　在编程能力这块，GLM-5.1在SWE-BenchPro、Terminal-Bench2.0、NL2Repo三个基准测试里，分别排全球第三、国产第一、开源第一；在DesignArena排第四，好几款GLM模型包揽了前四名，能和Opus 4.6、Sonnet 4.6掰掰手腕；在文本能力维度TextArena上，被评为排名第一的开源模型。为了测试GLM-5.1的真实表现，还搞了实际工程任务考验。从零搭建待办看板，前后端加数据库全闭环都实现了，网页UI细节也很到位，字体大小层级分明，光标悬停还有微动效，还用颜**分了任务优先级。这都多亏了智谱训练策略的创新，他们扩展了任务过程训练窗口，采用多轮监督微调与强化学习结合的训练范式，让模型能在“接受任务→规划→执行→调整→交付”整个过程中学习，不会因为新指令就跑偏。还有个任务是搭建简易电商后台，快完成的时候掐断网络、关闭上下文窗口，看看它应对突发情况的能力。

　　GLM-5.1不光跑分厉害，还能长时间工作。比如8小时从零构建Linux桌面系统，包括完整桌面、窗口管理器、状态栏这些，相当于4人团队一周的工作量，而且全程没人参与测试审查，它还会给自己的代码写回归测试并且通过了。知乎程序员博主Toyamanao测试它完成三个工程项目后，觉得它大大扩展了编程适应范围，在复杂工况下能当编程主力，但也指出超长上下文时容易出现幻觉爆炸，如果两轮改不好问题就得重开。去年年底AI智能体大概能完成20个步骤，现在GLM-5.1能完成1700个步骤，这可是模型“独立工作”的分水岭。它的关键突破在于能在固定策略内增量调优，收益停滞时会主动分析日志、定位瓶颈，然后换不同的方案。就像向量数据库优化案例里，经过655次迭代，查询吞吐从3108QPS提升到21472QPS，涨了6.9倍，过程中完成了各种优化。在KernelBenchLevel3优化基准上，对50个真实机器学习计算负载不间断迭代超24小时，取得3.6倍几何平均加速比，比torch.compile max - autotune模式的1.49倍高不少，还能自己编写定制Triton Kernel和CUDA Kernel等。在VendingBench2基准中，模拟经营一年自动售货机业务，最后账户余额有4432美元，在开源模型里排第一，接近Claude Opus 4.5的水平。另外，GLM-5.1有744B参数，不用英伟达芯片，成本降低了97%。HuggingFace CEO Clement Delangue都发推祝贺它开源，说它是SWE-Bench Pro上表现最好的模型。

2026年GLM-5.1正面硬刚Claude Opus 4.6，三个“绊子”测试结果惊人播报文章

相关推荐