什么值得买App下载 App ›
连续签到专享现金活动

国产开源模型GLM-5.1登顶编程榜,实战表现逼近Claude Opus

01GLM-5.1登顶SWE-Bench Pro,开源模型首超Claude
截至2026年6月2日,智谱AI发布的GLM-5.1在权威编程基准SWE-Bench Pro上以58.4分的成绩超越Claude Opus 4.6(57.3分)、GPT-5.4(57.8分)和Gemini 3.1 Pro(54.6分),成为该榜单历史上首个登顶的开源模型。这一结果由多个独立评测方交叉验证确认,包括微信公众号“大模型评测及优化NoneLinear”与“骁哥AI编程”的实测数据。尽管后续发布的Claude Opus 4.7已在该基准上提升至64.3分,但GLM-5.1在Opus 4.6仍为行业标杆时期实现反超,标志着国产开源模型在专业级软件工程任务中达到新高度。12345
02综合编程能力位列全球第三
尽管在SWE-Bench Pro单项测试中领先,GLM-5.1的综合编程能力仍略逊于顶级闭源模型。根据多源评测汇总,在融合SWE-Bench Pro、Terminal-Bench 2.0(终端工程任务)和NL2Repo(自然语言生成完整代码库)三项指标后的综合得分中,GLM-5.1得分为54.9,位居全球第三,仅次于Claude Opus 4.6(57.5)和Gemini 3.1 Pro(56.8)。这一结果表明,GLM-5.1虽在特定高难度Bug修复场景表现突出,但在跨任务泛化能力上尚未全面超越闭源对手。不过,其54.9分仍是当前所有开源模型中的最高纪录,确立了国产模型在开源阵营的领先地位。236
03较上一代提升近10分,逼近Claude Opus 4.6
智谱官方基于Anthropic开发的Claude Code评测框架公布数据显示,GLM-5.1在编程能力测评中获得45.3分,相较上一代GLM-5的35.4分提升9.9分,相对增幅达28%。同期,Claude Opus 4.6在相同测试环境下得分为47.9分,两者差距仅为2.6分,意味着GLM-5.1达到了后者94.6%的性能水平。该测试环境被视为“对手主场”,因此这一成绩被多家技术媒体视为含金量较高的对标结果。值得注意的是,该数据反映的是Opus 4.6时期的对比,不包含2026年4月16日发布的Opus 4.7版本。7839101112
04长程Agent任务表现突出
除基准分数外,GLM-5.1在实际长程Agent任务中展现出显著优势。有开发者复现复杂文件处理流程时发现,GPT-4o因上下文限制在32K处崩溃,Claude Opus 4.6虽能识别结构但无法完成执行,而GLM-5.1是唯一完整输出结果的模型。另一实测显示,该模型可独立运行火柴人格斗游戏开发任务,实现格挡、两段跳、元素技能及敌人AI等复杂逻辑,细节处理甚至被评价“比Opus更出彩”。这些案例印证了其744B参数(40B激活)架构在长时间自主任务中的稳定性,契合智谱主打的“Agentic Engineering”定位。1311415
05对开发者选型的实际影响
对于开发者而言,GLM-5.1的开源属性(MIT协议)与接近顶级闭源模型的编程能力,使其成为高性价比的工程替代方案。在前端开发、终端任务和Bug修复等场景中,其实测表现已稳定超过Claude Sonnet 4.5,并接近Opus 4.6水平。部分用户反馈其在日常编码、改Bug和自动化工作流中“感知非常明显”。然而,也有使用者指出,在非编程领域如常识推理(Humanity's Last Exam仅31%)或数学问题上存在明显偏科,建议仅在代码密集型任务中优先选用。综合来看,GLM-5.1为开源社区提供了首个可替代部分闭源服务的主力级编程模型选项。161718192021

评论

评论区空态插画

当前文章无评论,是时候发表评论了