GLM-5.1

一个围绕编程和长任务设计的模型

GLM-5.1 是智谱（Zhipu AI，海外品牌 Z.ai）推出的大语言模型。它的 Hugging Face 模型卡列出的参数规模为 754B，张量类型包括 BF16 与 F32 ^[1]。模型在 2026 年 3 月下旬先向智谱的订阅用户开放，随后于 2026 年 4 月 7 日以 MIT 许可证开源 ^[2][1]。MIT 是宽松的开源许可证，允许他人使用、修改和再分发，因此这次发布意味着模型权重可以被自由取用，而不只是通过接口调用。

官方强调的两件事

智谱在发布中强调了两点。一是编程能力比上一代 GLM-5 显著更强。二是面向长程智能体（agent）的工作：模型被描述为能够在数百轮优化、数千次工具调用中持续保持改进 ^[1]。第二点说的是「耐力」而不是单次回答的质量。智能体做长任务时要不断选择动作、读取结果、修正方向，在极长的步数跨度上始终围绕同一个目标推进，与把一次回答做对是两类不同的问题。

基准成绩

在 SWE-Bench Pro 上，GLM-5.1 得 58.4，是它对比表中的最高分，领先 GPT-5.4 的 57.7 和 Claude Opus 4.6 的 57.3 ^[1]。智谱的模型卡称，该模型在 SWE-Bench Pro 上取得当前最佳表现 ^[1]。SWE-Bench 这一类基准取真实代码仓库中的软件问题，检验模型能否给出通过项目测试的修复，因此分数更接近实际编程工作，而不是解谜。

在 Terminal-Bench 2.0（Terminus-2）上它得 63.5，高于 GLM-5 的 56.2；搭配 Claude Code 使用时达到 69.0 ^[1]。

在另外几项测试上，相对 GLM-5 也有提升：NL2Repo 从 35.9 升至 42.7，CyberGym 从 48.3 升至 68.7，BrowseComp 从 62.0 升至 68.0 ^[1]。HLE 从 30.5 升至 31.0，带工具的 HLE 从 50.4 升至 52.3 ^[1]。在按金额计分的 Vending Bench 2 上，GLM-5.1 取得 5,634.41 美元，GLM-5 为 4,432.12 美元 ^[1]。

落后之处

并非每一项都领先。在 GPQA-Diamond 上它得 86.2，落后于 Gemini 3.1 Pro 和 GPT-5.4 ^[1]；带工具的 HLE 为 52.3，低于 Claude Opus 4.6 ^[1]。从这张表看，这是一个在代码与智能体执行上很有竞争力、但在部分推理测试上并非第一的模型。

发布与市场反应

反应在同一天出现：2026 年 4 月 7 日，智谱把 API 价格上调 10%，公司股价在发布当日上涨 11.5% ^[2]。它在自家产品线上的位置也维持得不长——2026 年 6 月 16 日，GLM-5.2 接替了它 ^[2]，距开源发布约两个月。

它在发展中的位置

GLM-5.1 可以看作开放权重模型快速迭代节奏中的一环：许可证宽松，目标明确指向编程工具和长时间运行的智能体，发布时附上详细的对比表，两个月内就被下一代取代。需要留意的是，这些亮眼数字来自智谱自己的对比表和模型卡，而不是独立第三方评测 ^[1]；它与 GPT-5.4、Claude Opus 4.6 之间的差距只有一两个点，属于很窄的领先。这次发布真正清楚说明的是工作的方向：更好的代码生成，以及能在数百轮任务中不丢失目标的智能体。