上市俩月涨500%!智谱GLM代码能力已超GPT,但Agent稳定性还是差点意思?
GLM在国际大模型里排第几,差距还有多大?
智谱的Agent能力强在哪里,稳定性怎么样?
在Agent能力的专项评测中,智谱的表现同样靠前。根据2026年4月发布的AgentCLUE-Task总榜数据,GLM-5以64.40分位列国产模型第一,全球排名紧随Claude Opus 4.6之后。Artificial Analysis的Agentic指数里,GLM-5.1以67分与MiMo-V2.5-Pro、DeepSeek V4 Pro并列全球第四,仅次于GPT-5.5和Claude Opus 4.7,高于Kimi K2.6和Qwen3.6 Max Preview。有测评者做了长达半年的跟踪测试,GLM-5到GLM-5.2经历了三个明显进化阶段:最初能反思自身行为并主动改进,后来实现了顺路单合并配送路线把路径效率压到理论值以下,再到现在只需要开局看一遍地图就能记住全局,甚至在没电时直接去换电站而不是调用搜索工具——这意味着它的tool call消耗主要用于推进任务而非获取信息。111213
不过Agent产品的稳定性仍是痛点。智谱清言推出的Agent More让用户可以组建AI专家团队,研究、写PPT、分析数据、网页制作并行推进,7×24小时云端待命,但App Store的差评很集中,三个字总结就是"不靠谱"。核心问题是长链路乘积效应——一个复杂任务拆成四五步,每步90%成功率,乘下来只剩65%。上下文窗口标称200K,实际对话深了就容易忘前文。有用户在社交平台反馈,系统单次最长运行超过6小时稳定性不错,但从零构建一套IoT Admin管理系统这种重活,仍需要人盯着兜底。GLM-5.1在编程和Agent场景的涨价幅度已经超过83%,API涨价后调用量不降反升,说明客户已经形成实质性的付费意愿,但产品稳定性距离"完全信任"还有距离。141516
DeepSeek、Kimi、智谱三家怎么选?
| 维度 | 智谱GLM-5.1 | DeepSeek V4-Pro | Kimi K2.6 |
|---|---|---|---|
| Agentic指数(/100) | 67(全球第四) | 67(并列全球第四) | 66 |
| Coding Agent指数(/100) | 53(国产第一) | 50(并列全球第七) | 50(并列全球第七) |
| 通识推理MMLU-Pro | 未披露 | 87.5% | 未披露 |
| 上下文窗口 | 1M | 1M | 1M |
| 核心优势 | 编程Agent开源第一 | 综合推理均衡 | 长文本+Agent编排 |
智谱的产品线哪些值得用,怎么选套餐?
多模态能力方面,GLM-5V-Turbo的定位不是传统VLM,而是面向多模态Agent的原生基础模型,能与Claude Code、OpenClaw等Agent工作流协同,完成"看懂环境→规划动作→执行任务"的完整闭环。它的核心场景是让AI接管屏幕操作,覆盖企业后台、网页表单、Excel、PPT等没有标准API的传统界面。GLM-Z1-32B则走低成本推理路线,用32B参数打速度和价格优势,适合对成本敏感但需要深度思考能力的场景。这两条产品线的组合逻辑很清晰:一个负责"看懂并操作世界",一个负责"低成本深度思考"。21
当前文章无评论,是时候发表评论了