正面硬剛Claude Opus 4.6：我們給GLM-5.1使了三個(gè)“絆子”，它居然…

智東西
作者 陳駿達(dá)
編輯 漠影

智東西4月8日?qǐng)?bào)道，今天，智譜正式開源其最強(qiáng)模型GLM-5.1，這一模型在專業(yè)軟件開發(fā)基準(zhǔn)測(cè)試SWE-Bench Pro中，GLM-5.1刷新全球最佳成績(jī)，得分達(dá)到58.4，超過(guò)了GPT-5.4、Claude Opus 4.6等已經(jīng)正式發(fā)布的閉源模型，和MiniMax M2.7、Kimi K2.5等開源模型。

GLM-5.1并非只能跑跑簡(jiǎn)單的Vibe Coding小案例，它專門面向長(zhǎng)程任務(wù)設(shè)計(jì)，能持續(xù)地自主規(guī)劃、執(zhí)行并迭代，最終交付完整的工程結(jié)果。

兩個(gè)官方演示，直接把“長(zhǎng)程任務(wù)”的能力具象化了：

在向量數(shù)據(jù)庫(kù)的調(diào)優(yōu)任務(wù)中，GLM-5.1沒有人類手把手教，自己跑了655輪迭代——測(cè)試、分析、改代碼、再測(cè)試……最終把性能硬生生提升至3.6倍。

它還靠著一張架構(gòu)草圖，連續(xù)自主工作了超過(guò)8小時(shí)，執(zhí)行了1200多個(gè)步驟，最終輸出了一套功能完備的Linux桌面系統(tǒng)。官方測(cè)算，這相當(dāng)于一個(gè)4人小團(tuán)隊(duì)連軸轉(zhuǎn)一周的工作量。

這個(gè)“8小時(shí)不間斷工作”的紀(jì)錄，讓它成為了全球首個(gè)在真實(shí)工程任務(wù)中驗(yàn)證這一能力的開源模型。

這意味著，那些過(guò)去只屬于人類團(tuán)隊(duì)的復(fù)雜、長(zhǎng)周期工程級(jí)任務(wù)，現(xiàn)在對(duì)逐漸AI也敞開了大門。

一、海外網(wǎng)友火速體驗(yàn)：體感接近Opus 4.6，成本暴砍至1/30

GLM-5.1一經(jīng)發(fā)布，就吸引了海量關(guān)注，其推文的閱讀量在12小時(shí)內(nèi)就沖破了200萬(wàn)次，目前已經(jīng)飆到227萬(wàn)次了。

不少體驗(yàn)過(guò)GLM-5.1的網(wǎng)友紛紛發(fā)帖評(píng)價(jià)，在這些帖子中，有一個(gè)關(guān)鍵信息被反復(fù)提及：GLM-5.1的使用體感，已經(jīng)接近Claude Opus 4.6。

AI開發(fā)者toli拿GLM-5.1和Opus 4.6跑了113個(gè)編程任務(wù)，發(fā)現(xiàn)GLM-5.1的體感就和Opus一樣。同時(shí)，智譜的Coding Plan提供了Claude Code訂閱三倍的用量，價(jià)格只有后者的1/3。Toli認(rèn)為，GLM-5.1是絕對(duì)的殺手級(jí)產(chǎn)品。

另一位開發(fā)者Beau Johnson分享，他已經(jīng)將自己部署的OpenClaw背后的模型，從Opus 4.6替換為GLM-5.1，作為協(xié)調(diào)和執(zhí)行Agent。這一切換沒有帶來(lái)任何體驗(yàn)上的差別，而成本卻從1000美元暴砍至30美元左右。

軟件定制公司Zenoware的創(chuàng)始人JP分享了他用GLM-5.1 one-shot做出來(lái)的10個(gè)案例，JP認(rèn)為這是最接近Claude Opus 4.6的中國(guó)模型，給Opus 4.6帶來(lái)了嚴(yán)重威脅。以下是JP部分案例的集錦：

口碑之外，GLM-5.1在多項(xiàng)基準(zhǔn)測(cè)試中的表現(xiàn)，同樣值得仔細(xì)拆解。

在編程能力這一維度，有三個(gè)基準(zhǔn)測(cè)試的成績(jī)較有參考性，包括衡量模型專業(yè)軟件開發(fā)工作的SWE-Bench Pro、操作命令行解決問(wèn)題的Terminal-Bench 2.0、從零構(gòu)建完整代碼倉(cāng)庫(kù)的NL2Repo。在這三個(gè)基準(zhǔn)測(cè)試中，GLM-5.1的得分已經(jīng)拍到全球第三、國(guó)產(chǎn)第一、開源第一。

而在考察模型設(shè)計(jì)能力的Design Arena上，GLM 5.1排名第四，同時(shí)多款GLM模型也包攬了這一榜單上的前四名，這個(gè)表現(xiàn)，基本可以和Opus 4.6還有Sonnet 4.6一塊兒坐主桌了。

而在文本能力維度，Text Arena上GLM-5.1被評(píng)為排名第一的開源模型。

二、真刀真槍一手實(shí)測(cè)：連續(xù)接受十幾條需求變更，還扛住了拔網(wǎng)線和復(fù)雜遺留代碼

榜單好看，用戶也叫好，但真正的考驗(yàn)還是在實(shí)際使用里。這次，智譜格外強(qiáng)調(diào)“長(zhǎng)程任務(wù)（Long-Horizon Tasks）”，確實(shí)精準(zhǔn)判斷了當(dāng)前大模型在工業(yè)界落地的痛點(diǎn)。

在真實(shí)的軟件工程或復(fù)雜業(yè)務(wù)場(chǎng)景中，幾乎沒有任何有價(jià)值的問(wèn)題是可以通過(guò)“一問(wèn)一答”或“單次生成”解決的。只有真正具備了自主試錯(cuò)和策略演進(jìn)的能力，模型才能像中高級(jí)工程師一樣去“啃”硬骨頭，而不是只寫個(gè)初版就罷工。

這已經(jīng)幾乎成為了行業(yè)共識(shí)。無(wú)論是GLM-5.1、Claude Opus 4.6還是GPT-5.4，各家都在將長(zhǎng)程能力作為核心賣點(diǎn)。

原因是，對(duì)于真正要拿AI干活、提效的企業(yè)而言，分?jǐn)?shù)、正確率、排行榜都只是參考，他們關(guān)心的是模型能否在拿到一個(gè)任務(wù)后無(wú)需人工干預(yù)，自動(dòng)診斷并修復(fù)問(wèn)題，能否用8小時(shí)替代一個(gè)初級(jí)工程師一周的重復(fù)勞動(dòng)，這些，才是可見的真實(shí)生產(chǎn)力。

那么，GLM-5.1到底能不能打？它真的能成為Opus 4.6的國(guó)產(chǎn)平替嗎？我們拿GLM-5.1和Opus 4.6跑了兩個(gè)完整工程任務(wù)，燒掉幾百萬(wàn)token，看看它們的真實(shí)表現(xiàn)到底如何。

1、從零搭建待辦看板，前后端+數(shù)據(jù)庫(kù)全閉環(huán)

Prompt： 在一個(gè)空目錄下，從零搭建一個(gè)完整的“待辦事項(xiàng)看板”前端+后端，使用FastAPI+React，連接PostgresSQL數(shù)據(jù)庫(kù)，實(shí)現(xiàn)增刪改查。

拿到這一任務(wù)后，GLM-5.1和Opus 4.6都進(jìn)行了初步的項(xiàng)目規(guī)劃，拆解提示詞中的要求，然后再開始開發(fā)。值得一提的是，我們用于測(cè)試的電腦環(huán)境相對(duì)老舊，還缺失部分依賴。率先進(jìn)行開發(fā)的GLM-5.1馬上定位了這些問(wèn)題，直接“動(dòng)手”幫我們裝好了。

其實(shí)，GLM-5.1和Opus 4.6一開始給出的結(jié)果都有點(diǎn)簡(jiǎn)陋。于是我們向兩個(gè)模型發(fā)送了十幾條修改意見，包括要打造完整的導(dǎo)航菜單、配備全局搜索框+通知系統(tǒng)+用戶頭像、三級(jí)分組菜單等等。

GLM-5.1并沒有被這一連串的“干擾”打斷自己的開發(fā)節(jié)奏，在多輪需求變更后仍然可以成功交付。最終它打造的任務(wù)看板功能完整度較高，交互體驗(yàn)流暢，前后端數(shù)據(jù)也是聯(lián)動(dòng)的——新增的項(xiàng)目的確能在數(shù)據(jù)庫(kù)中找到。

此外，網(wǎng)頁(yè)的UI細(xì)節(jié)也很到位，字體大小層級(jí)分明，光標(biāo)懸停在卡片上時(shí)有微動(dòng)效，還通過(guò)顏色區(qū)分了任務(wù)的優(yōu)先級(jí)。

再來(lái)看看Opus 4.6的表現(xiàn)。在基礎(chǔ)功能上，Opus 4.6同樣實(shí)現(xiàn)了基于數(shù)據(jù)庫(kù)的增刪改查核心功能，不過(guò)網(wǎng)頁(yè)的色彩選擇和UI設(shè)計(jì)有些單調(diào)。

這一表現(xiàn)源于智譜在訓(xùn)練策略上的創(chuàng)新：通過(guò)顯著擴(kuò)展任務(wù)過(guò)程的訓(xùn)練窗口，采用多輪監(jiān)督微調(diào)（multi-turn SFT）與強(qiáng)化學(xué)習(xí)（RL）結(jié)合的訓(xùn)練范式，GLM-5.1得以在完整的任務(wù)流程中學(xué)習(xí)，從“接受任務(wù)→規(guī)劃→執(zhí)行→調(diào)整→交付”的全過(guò)程都被納入學(xué)習(xí)信號(hào)。因此，它不會(huì)因新指令的影響，丟掉原本的目標(biāo)與方向。

2、網(wǎng)絡(luò)中斷+遺留代碼+中文亂碼：GLM-5.1如何自救？

Prompt： 搭建一個(gè)簡(jiǎn)易的電商后臺(tái)，需要實(shí)現(xiàn)商品管理、訂單流程和支付對(duì)接。

當(dāng)AI模型進(jìn)入企業(yè)，面臨的往往是更多復(fù)雜的不確定性，比如模糊的目標(biāo)，混亂的項(xiàng)目結(jié)構(gòu)等等。在這些因素的干擾下，GLM-5.1還能穩(wěn)定交付嗎？

GLM-5.1的新任務(wù)，是搭建一個(gè)簡(jiǎn)易的電商后臺(tái)，發(fā)送指令后，我們刻意使了點(diǎn)壞，在GLM-5.1快寫完項(xiàng)目的時(shí)候把網(wǎng)給掐了，并關(guān)閉了現(xiàn)有的上下文窗口。重啟Claude Code之后，再讓它根據(jù)之前的項(xiàng)目文件繼續(xù)開發(fā)。

GLM-5.1沒有被這一小插曲影響。在告訴它原項(xiàng)目的地址后，GLM-5.1花了3分鐘梳理了這個(gè)項(xiàng)目的后端部分，然后開始補(bǔ)齊前端缺失的代碼。

理解遺留代碼是開發(fā)的前提，理解程度直接影響著后續(xù)的開發(fā)質(zhì)量。在GLM-5.1輸出的前端設(shè)計(jì)框架中，可以看到它對(duì)原本的后端代碼分析十分到位，不僅準(zhǔn)確識(shí)別了Express 5+SQLite的技術(shù)棧，還敏銳地發(fā)現(xiàn)了后端缺少全局支付列表接口這一設(shè)計(jì)缺陷，并據(jù)此提出了“訂單列表+展開行加載支付記錄”的解決方案。

這得益于GLM-5.1更好的狀態(tài)延續(xù)與上下文整合。面對(duì)長(zhǎng)時(shí)間跨度和大量上下文信息，GLM-5.1能穩(wěn)定地追蹤已完成的內(nèi)容、當(dāng)前所處階段和下一步關(guān)鍵動(dòng)作，持續(xù)整合新信息，保持執(zhí)行鏈路的一致性。

在即將完成開發(fā)時(shí)，GLM-5.1在我們沒有要求的情況下，主動(dòng)檢查了后端的API路徑，并發(fā)現(xiàn)并逐一修復(fù)了5個(gè)問(wèn)題。這種“實(shí)驗(yàn)→分析→優(yōu)化”的閉環(huán)，正是GLM-5.1能在長(zhǎng)任務(wù)中始終保持方向不偏、質(zhì)量統(tǒng)一、無(wú)需人工頻繁糾偏的重要原因。

最終，GLM-5.1交付了這一電商后臺(tái)項(xiàng)目，核心功能運(yùn)轉(zhuǎn)正常，還將后臺(tái)數(shù)據(jù)進(jìn)行了可視化。不過(guò)，我們刻意人為動(dòng)手修改了中文字符的編碼，讓這一電商后臺(tái)的中文字符顯示為小方塊。

為排查這一問(wèn)題，GLM-5.1進(jìn)行了29次工具調(diào)用，主要都是閱讀文件，多工具協(xié)同效果穩(wěn)定。最后，它發(fā)現(xiàn)數(shù)據(jù)庫(kù)中多處中文字段都是亂碼（GBK編碼被錯(cuò)誤當(dāng)UTF-8存入），于是很快進(jìn)行了修復(fù)。可以說(shuō)，GLM-5.1在多輪工具調(diào)用和長(zhǎng)上下文場(chǎng)景中，表現(xiàn)出工程師般的自主診斷和修復(fù)能力。

經(jīng)歷這兩個(gè)小插曲，GLM-5.1用大概45分鐘的時(shí)間完成了整個(gè)項(xiàng)目的開發(fā)，修復(fù)后的結(jié)果如下。

它交付了整整兩個(gè)文件夾的成果，算上代碼、組件庫(kù)等等，有數(shù)百個(gè)文件，大小也來(lái)到了40多兆。

拿到同樣任務(wù)的Opus 4.6，交付的結(jié)果如下：

從結(jié)果上來(lái)看，即便是我們?nèi)藶榻oGLM-5.1上強(qiáng)度，它交付的結(jié)果也和Opus 4.6的結(jié)果保持在相似的水平線上。在保持原有功能、優(yōu)化代碼結(jié)構(gòu)等多重任務(wù)中，GLM-5.1仍然完成了高質(zhì)量的方案設(shè)計(jì)與執(zhí)行，充分驗(yàn)證了其在復(fù)雜開發(fā)和維護(hù)任務(wù)中的工程化能力。

結(jié)語(yǔ)：開源模型長(zhǎng)程任務(wù)能力突破：從“回答問(wèn)題”到“交付項(xiàng)目”

頂尖開源模型，正極大地拉近與閉源模型的差距。長(zhǎng)程任務(wù)是Claude引以為傲的能力之一，模型不僅要會(huì)寫代碼，還要像人一樣在數(shù)小時(shí)內(nèi)保持目標(biāo)感、處理意外、自我糾偏、并堅(jiān)持到最后一刻。

過(guò)去，這一直是閉源模型的護(hù)城河，也是開源模型難以逾越的分水嶺。

智譜稱，GLM-5.1是全球第一個(gè)在真實(shí)工程任務(wù)中驗(yàn)證了8小時(shí)持續(xù)工作能力的開源模型。同時(shí)，我們的實(shí)測(cè)也顯示，GLM-5.1不是靠“更長(zhǎng)的上下文窗口”去死記硬背，而是真正學(xué)會(huì)了“規(guī)劃→執(zhí)行→檢查→修復(fù)→交付”的完整工作流。

大模型正在從“回答問(wèn)題”走向“交付項(xiàng)目”。在這一方向上，GLM-5.1已具備了在真實(shí)、混亂、長(zhǎng)周期的工程環(huán)境中，獨(dú)立承擔(dān)任務(wù)的底氣。