2026 年 4 月 8 日，智谱发布了 GLM-5.1 模型更新。官方博客披露的评测数据显示，这款开源模型在 SWE-Bench Pro（真实 GitHub 工程 Bug 修复）榜单上取得了 58.4 分，超越 GPT-5.4（57.7 分）和 Claude Opus 4.6（57.3 分），位列全球第一。
苏米注：这是首个在代码评测单项上超越 Opus 4.6 的开源模型，但需要理性看待——单项冠军不等于全能冠军。
代码能力评测：单项冠军，非全能
智谱使用了业界公认的三个代码评测基准进行测试：SWE-Bench Pro（修复真实 GitHub 工程 Bug）、Terminal-Bench 2.0（命令行问题解决）、NL2Repo（从零构建完整代码仓库）。
三项综合平均成绩排名如下：
| 模型 | 综合均分 | 排名 |
|---|---|---|
| GPT-5.4 | 58.0 | 第 1 |
| Opus 4.6 | 57.5 | 第 2 |
| GLM-5.1 | 54.9 | 第 3 |
| Gemini 3.1 | 52.0 | 第 4 |
| Qwen3.6+ | 51.0 | 第 5 |
单项成绩对比更能说明问题：
| 评测项目 | GLM-5.1 | Opus 4.6 | GPT-5.4 |
|---|---|---|---|
| SWE-Bench Pro | 58.4（全球第一） | 57.3 | 57.7 |
| NL2Repo | 42.7 | 49.8（领先 7 分） | 41.3 |
| Terminal-Bench 2.0 | 63.5 | 65.4 | - |
关键结论：GLM-5.1 在最硬的 SWE-Bench Pro 上拿到全球第一，但 NL2Repo（从零构建仓库）被 Opus 拉开 7 分差距，Terminal-Bench 也略逊一筹。对于开发者而言，SWE-Bench Pro 的含金量最高——这恰恰是 GLM-5.1 的强项。
长程任务能力：连续工作 8 小时的真正突破
相比代码跑分，官方博客中展示的长程任务能力更值得关注。传统模型像"考试型选手"——单题作答很快，但给一个完整项目要求"从头做到尾"，往往二三十轮就开始原地转圈。
GLM-5.1 的设计目标是不仅能干，更能扛。
案例一：向量数据库优化（655 轮迭代）
官方展示了一个向量数据库近似搜索优化任务：
- 初始状态：Opus 4.6 在 50 轮限制下跑出 3,547 QPS
- GLM-5.1 结果：无轮数限制，最终达到 21,500 QPS，性能提升 6 倍
- 迭代过程：655 轮迭代，6000+ 次工具调用
优化轨迹呈现"阶梯形"特征——每到一个平台期，模型会分析日志、定位瓶颈、主动切换策略。整个过程中策略切换了 6 次方向：IVF 分桶 → 量化粗排 → 两级路由 → u8 量化 → 提前剪枝。
苏米注：这种"碰壁、分析、换方向、恢复"的循环，已经接近真人工程师的工作模式。关键不是给它更多时间，而是让第 8 个小时的产出依然有价值。
案例二：8 小时搭建 Linux 桌面系统
GLM-5.1 在 8 小时内从零搭建了一套完整的 Linux 桌面系统：
- 1200+ 步操作
- 交付成果：窗口管理器、终端、文件浏览器、计算器、游戏库
- 自写回归测试并通过
对比之下，大部分模型完成类似任务时往往只搭建空架子，放几个占位窗口就宣布完成。
案例三：24 小时优化 50 个机器学习任务
模型自主编写 GPU 优化代码、运行测试、分析结果、重写方案，最终实现 3.6 倍加速。不过在这个场景下，Opus 4.6 跑出了 4.2 倍，智谱在博客中大方承认了差距。
综合能力对比：与 Opus 4.6 正面对决
官方披露的其他维度评测数据：
| 评测项目 | GLM-5.1 | Opus 4.6 | 结论 |
|---|---|---|---|
| 数学推理（AIME 2026） | 95.3 | 95.6 | ≈ 持平 |
| 联网任务（BrowseComp） | 79.3 | 84.0 | Opus 领先 5 分 |
| 网络安全（CyberGym） | 68.7 | 66.6 | GLM 赢 |
| 商业模拟（Vending Bench 2） | $5,634 | $8,017 | Opus 领先 |
综合判断：代码和智能体能力达到全球前三水平，推理能力不拉胯但未领先，综合实力与 GPT-5.4、Gemini 3.1 Pro 相比仍有差距。但对一个开源模型而言，能与闭源巨头逐项 PK 已属不易。
使用方式与定价
GLM-5.1 采用 MIT 协议完全开源，代码托管在 GitHub 和 HuggingFace：
使用 Claude Code 或 OpenClaw 的用户，直接修改模型配置即可切换。所有 GLM Coding Plan 套餐用户均可使用，包括最便宜的 Lite 档。
定价策略方面，智谱在半年内已涨价 3 次，本次发布后又上调 10%。非高峰时段（日常简单任务使用 GLM-4.7）限时 1x 额度优惠至 4 月底，高峰期（14:00-18:00）额度消耗为 3x。
苏米注：一年前国产模型还在打价格战抢用户，现在价格已接近 Claude Sonnet 4.6。从"我便宜所以用我"到"我真能干活所以我敢贵"，国产模型正在完成价值定位的转变。
总结
智谱在博客中提出了一个新标准：过去比谁更聪明，未来比谁能干更久。如果模型真的能独立工作 8 小时，使用范式将从"对话"转变为"交代任务"。
需要强调的是，以上所有数据均来自官方博客，实际表现仍需上手验证。跑分仅供参考，关键还是看实际应用场景中的表现。