體驗完智譜剛剛發布的 GLM-5，我終于明白它為什么讓硅谷猜破了頭

關于那個神秘的「Pony Alpha」模型的傳言，已經在互聯網發酵了一周。

有人說它是 Claude 5 的馬甲，有人說它是某大廠的秘密武器。就在剛剛，靴子落地，謎底揭曉：這個代號「Pony Alpha」的新模型，正是智譜 AI 的春節大招——GLM-5。

▲智譜公眾號截圖

而且，它直接開源了。

如果說 2025 年是 AI 學會寫代碼的一年，那么 2026 年開年，正如特斯拉前 AI 總監 Andrej Karpathy 所預言，我們或許即將進入「智能體工程」（Agentic Engineering）時代。

只不過，比起 GPT-5.3-Codex、Claude Opus 4.6，頭一個把這件事做成開源基礎設施的，是國產模型 GLM-5。

附體驗地址：

• Z.ai：https://chat.z.ai
• 智譜清言APP/網頁版：https://chatglm.cn

現在的 AI 寫個貪吃蛇或者俄羅斯方塊，早就不是什么新鮮事了。要測，就得測點刁鉆的。

我們給 GLM-5 拋出了一個極其具體的物理模擬需求：

「創建一個交互式的 HTML、CSS 和 JavaScript 衛星系統模擬程序，該程序應模擬衛星向地面接收器發送信號的過程。模擬程序應顯示一顆衛星繞地球運行，并周期性地發送信號，這些信號會被多個地面接收器接收。

它沒有立刻給出代碼，而是稍微「停頓」了一下（模擬思考過程），最終按照我的需求生成了一個 HTML 網頁。屏幕上，衛星不僅僅在轉圈，信號傳輸甚至帶有符合多普勒效應視覺隱喻的波紋擴散動畫。

它理解了「模擬」二字背后的物理規律，而不僅僅是理解了「畫圖」這個動作。

接著，我們加大了難度。

X 上有個叫 @scaling01 的用戶，給出了一個極高的評價：「Pony-Alpha 要么是 AGI，要么就是把我的 SVG 題目庫給背下來了。」

為了驗證這一點，我們測試了一個極其抽象的 Python 任務：「可視化展示單行道中交通信號燈的工作原理，車輛以隨機速率進入。」

不到 3 分鐘，一個動態的交通流模擬圖出現了。

邏輯可以說是嚴絲合縫：綠燈放行、紅燈排隊，車輛加速減速的隨機性也模擬得很到位。不過，這個界面的審美……怎么說呢，確實有點「簡陋」。

甚至有網友 @anurudhsharmaa 用它一行提示詞生成了一個有審美的網站。

而網友 @zakarinoo7 生成了一個全功能的媒體播放器——支持 MP4/MP3 解碼、播放列表管理，甚至連深色模式的 UI 都寫好了，編譯完只有 15MB。

這一幕看得我心癢難耐。于是，我也再次通過 Claude Code ，讓 GLM-5 給我打造打一個火柴人開放世界游戲。

它沒有急著寫代碼，它做了一個非常「人類」的動作，那就從技術棧、核心玩法、再到世界風格方面入手，逐步對接我的需求。

并且在它「施工」的過程中，我還能像個挑剔的甲方一樣，開始在原來的需求上得寸進尺，隨時插入新的想法：

• 光跑圖太無聊了，得有經濟系統，地上隨機刷金幣
• 加點動作元素吧，按 J 鍵射箭，按 K 鍵近戰攻擊
• 撿到的東西放哪？再給我加個背包 UI，按 I 鍵喚出
• 路邊的火柴人不能是擺設，我要能和 NPC 對話

等到最終運行的時候，效果簡直可以用「盡善盡美」來形容：

既然號稱是系統架構師，在 GLM-5 上架官網后，我也順手讓其打造了一個 Mac 系統。

雖然整體有些粗糙，但經典的屏幕背景，頂部狀態欄的時間同步顯示，底部 Dock 欄的圖標排列都給「畫」出來了。而且這上面的每一個應用，竟然真的都能打開。

適配半個芯片圈，這才是 GLM-5 的「大殺招」

基準測試結果顯示，GLM-5 在 Coding 與 Agent 能力上，取得開源 SOTA 表現。

數據不會撒謊，在 SWE-bench-Verified 和 Terminal Bench 2.0 這兩個公認最難的編程榜單中，GLM-5 分別拿下了 77.8 和 56.2 的高分，在真實編程場景的體感上，已經無限逼近 Claude Opus 4.5。

GLM-5 憑什么能做到這一點？翻看官方報告，在一堆參數背后，我們找到了幾個關鍵點：MoE 架構和異步強化學習（Asynchronous RL）。

744B 的總參數量，激活參數只有 40B，這讓它足夠聰明又足夠輕量。但真正的殺手锏是智譜構建的全新「Slime」框架。

簡單打個比方： 以前的模型訓練像是在「考試」，做對一道題給一個分，模型為了拿高分拼命背題； GLM-5 的訓練則像是「實習」，它在一個名為 Slime 的環境里，通過完成一個個完整的長程項目，在不斷的反饋和交互中學習。

此外，它還首次集成了 DeepSeek Sparse Attention（稀疏注意力機制）。這意味著在處理動輒幾十萬行代碼的上下文時，它不僅不會「迷路」，還能大幅降低部署成本。

但最讓我感慨的，是官方公告底部那串長長的致謝名單。國產大模型已經可以在國產芯片集群上，實現高吞吐、低延遲的穩定運行了。

華為昇騰、摩爾線程、寒武紀、昆侖芯、沐曦、燧原、海光……

▲ 有種可汗大點兵的即視感

這幾乎是中國半導體行業的「半壁江山」，這意味著，GLM-5 的開源不僅僅是軟件層面的勝利，它標志著國產 AI 生態——從底層的芯片算力，到中間的框架，再到上層的模型逐漸跑通了一個完整的閉環。

而隨著 GLM-5 的開源，以及它與 Claude Code、OpenCode 等主流工具的打通，我們或許正站在軟件工程 2.0 的門檻上。

特斯拉前 AI 總監 Andrej Karpathy 預言的「智能體工程」時代，比想象中來得更快。在未來，你可能不需要再逐行砌磚。你只需要定義系統，定義審美，定義什么是「好玩」和「有用」。

然后，看著 GLM-5 這樣的大模型像包工頭一樣，指揮著底層的算力把高樓大廈蓋起來。

傳統的「碼農」時代，可能真的要結束了。

但別慌，這不代表人類沒用了。相反，當 AI 包辦了實現的繁瑣，你的審美、你的判斷力、以及你提出一個好問題的能力，將成為人類最后的、也是最堅固的護城河。