最近一个名为Pony-Alpha的神秘模型在海外刷屏，性能远超Claude Sonnet 4.5，与Opus系列打得有来有回。最终揭晓其真身是国产GLM-5，而且是开源的。经过深度实测，这个模型在编程能力上确实达到了Opus级别，成为开发者值得关注的新选择。
智能速览
GLM-5作为国产开源模型，性能媲美Claude Opus
金门大桥测试首次一次性通过，细节表现出色
塔罗牌全栈应用53个文件35分钟完成
成功为43000星开源项目贡献核心修复
长任务记忆和语法准确性与Opus仍有微小差距
为不想被API价格绑架的开发者提供可用选择
精华内容
AI编程正在从’对话式写代码’进入’端到端做工程’的新阶段。在这个背景下，GLM-5的出现时机很有意思，它直接对标Opus级别的系统工程能力——而且还是开源的。
金门大桥测试
金门大桥测试是检验大模型编程能力的经典项目，涉及3D图形学、着色器编程、性能优化等多项复杂技术。GLM-5首次实现了国产模型的一次性通过，无需任何修改。
视频展示了桥上车流的流畅细节，车尾灯效果完整呈现。对比GLM-4.7的版本，进步非常明显。这个单文件项目成功验证了GLM-5在复杂场景建模和实时渲染方面的能力。
测试要求模型同时具备世界知识、图形学、动画系统等多项能力，GLM-5的表现达到了Opus 4水平，成为开源模型中的新SOTA。
全栈塔罗牌应用
升级测试选择了通过摄像头识别表情抽塔罗牌的像素风网页应用，这个项目涉及全栈开发、实时系统、Canvas动画等多重技术栈。总共生成了53个文件，耗时35分钟完成。
GLM-5完美适配了Claude Code的Agent Teams功能，7个Agent协同工作。虽然不是一次就完美完成，需要几轮调试，但最终质量相当高。
过程中暴露了GLM-5的两个问题：超长任务会丢失部分记忆，出现反复提醒；处理React相关语法时错误率较高。这些是相比Opus 4.6的主要差距。
开源项目实战
在真实开源项目修bug的测试中，GLM-5展现了强大的代码理解和问题定位能力。成功为两个重要开源项目解决了棘手bug。
第一个是1380星的hapi项目，解决了’新建会话’时偶尔出现重连横幅的问题。GLM-5准确识别出这是路由优先级陷阱，只修改2行代码就彻底修复。
第二个是43000星的everything-claude-code项目，发现并修复了影响数万用户的配置丢失问题。这个PR让GLM-5的使用者成为了该项目仅有的24名贡献者之一。
工程能力评估
GLM-5最大的亮点是整体的’靠谱感’，像一个干活稳的同事。它能扛住复杂任务，遇到问题能自己想办法修复。这种能力在以前的开源模型中很稀缺。
reasoning过程偏短是特点也是短板。好处是省Token，坏处是难以提前排查思路问题。对于关注过程的开发者来说可能不太适应。
在代码质量上，语法错误和lint错误比海外顶级模型多一些，但最终都能修复。这种’90分和95分的差距’对于实际工程影响有限。
GLM-5的出现标志着开源模型在工程能力上实现了重大突破，为开发者提供了摆脱API价格绑架的可行选择。虽然仍有改进空间，但已经具备了处理真实复杂项目的实力。在AI编程进入Agentic Engineering的时代，这样的开源模型值得更多关注和期待。
