GLM-5发布仅距GLM-4.7一个月，展现了惊人的迭代速度。通过编程、Agent和长上下文能力的全面测试，发现该模型在编程实现、自主规划和视觉美学方面都有显著提升，特别是在Agent任务中展现了前所未有的元认知能力。
智能速览
编程能力实现全面进化，鞭炮炸鱼缸测试效果媲美Claude Opus 4.6
Agent测试中展现自主规划意识，全程跟踪任务进度并设定目标
长文本召回率98%以上，但蒙对率51.4%让置信度存疑
视觉美学显著提升，特别偏好科技感的Orbitron字体
硅基骑手测试得分738.69元，比前代提升29.2%
精华内容
GLM-5的这次升级不仅仅是参数量的提升，更是在编程实现、自主任务执行和视觉呈现等多个维度实现了质的飞跃。
编程能力突破
新引入的鞭炮炸鱼缸测试要求模拟四种粒子效果混合在流体中，GLM-5的折射效果还原度已经与Claude Opus 4.6几乎无差别。
在鞭炮连锁爆炸测试中，GLM-5精准还原了所有提示词参数，而GLM-4.7会忽略高度5的设置。视觉效果上，玻璃箱效果、色调映射达到了电影级画质。
Python杯子倒水测试新增了顶点碰撞检测，防止粒子从杯子漏出。甚至为2D粒子添加了模拟3D高光效果，大幅提升了视觉真实感。
Agent智能进化
在硅基骑手测试中，GLM-5获得了738.69元的成绩，比GLM-4.7的571.91元提升了29.2%。测试难度也增加了5倍订单量。
关键发现是GLM-5具备了前所未有的元认知能力，每轮对话都会跟踪剩余轮次（如"254/300，还有46轮"），这让模型能够合理分配工作节奏。
更有趣的是，GLM-5会给自己设定小目标"突破700元大关"，达成后短暂庆祝就继续工作，直到第300轮结束。相比之下，GLM-4.7在第198轮就提前开香槟不干了。
文本召回性能
GLM-5在各长度上下文召回测试中均达到98%以上，表现相当出色。但在无原文参考的四选一测试中，蒙对率达到51.4%，这让分数的置信度存疑。
测试发现，模型甚至能精准脑补出哈利波特小说的英文原文。虽然绝对召回能力很强，但建议官方优化训练语料以提高测试的可信度。
值得注意的是，Agent测试本身就需要处理超过100K的上下文，GLM-5在该测试中的出色表现间接证明了其长文本处理能力没有问题。
视觉美学提升
GLM-5在视觉呈现上有了显著提升，特别偏爱使用充满科技感的Orbitron字体。UI设计也更加精致，提供了进度条、帧率显示、状态信息和多种快捷键操作。
在大象牙膏测试中，GLM-5使用了60段细分点和指数曲线模拟锥形瓶形状，精心制作了瓶口纯边效果。虽然精细度提升也带来了新的问题，但整体视觉效果明显改善。
陀飞轮机芯等测试也展现了一眼可见的提升，体现了模型在细节处理和美学追求上的进步。
GLM-5的这次升级展现了大模型在编程实现、自主规划和视觉美学方面的全面进步，特别是Agent任务中展现的元认知能力让人印象深刻。虽然长文本召回的测试方法需要优化，但整体性能提升显著。期待GLM-5V会带来怎样的惊喜。
