2025年编程智能体能力边界与职场影响：替代还是协作？_服务软件

1. 股价暴涨32%！GLM-5登顶全球开源第一，25分钟一镜到底搓出完整系统

2. Seedance2.0冲击电影行业！导演失业？电影又要亡了？

3. GLM-5深夜官宣：Pony Alpha身份揭晓，编程能力逼近Claude Opus

4. GLM-5深夜登场，这是国产开源模型首次逼平Claude Opus 4.5。

5. Seedance2.0 对AI应用意味着什么？

6. 昨天我刷 X （推特）的时候，看到智谱官方发布并开源了 GLM-4.7 大模型，而且面向 Coding 场景强化了编码能力、长程任务规划与工具协同。根据官方的介绍， GLM-4.7 在编程、推理与智能体三个维度实现突破：1、更强的编程能力；2、前端审美提升：GLM-4.7 在前端生成质量方面明显进步，能够生成观感更佳的网页、PPT 、海报3、更强的工具调用能力；4、推理能力提升；5、通用能力增强：GLM-4.7 对话更简洁智能且富有人情味，写作与角色扮演更具文采与沉浸感。我昨天测试了一下，给我最大的感受就是速度，写的可快了，而且很多复杂的需求，一次性就能完成，确实挺棒的。大家可以去试试 GLM-4.7 这个编码大模型。具体评测文章，大家可以看这里：网页链接#科技先锋官##微博年度新知博主##AI创造营#

7. 凌晨三点，彻底失眠：Seedance2.0告诉我们，AI正在疯狂“压缩”现实世界工作流

8. 6.1B打平40B Dense模型，蚂蚁开源最新MoE模型Ling-flash-2.0

9. Agentic Coding表现创新高，全新KAT系列模型上榜SWE-Bench

10. 阶跃Step 3.5 Flash ：春节 AI 混战杀出的黑马，正在 Agent 时代弯道超车

11. 全球AI开发者新宠！阶跃星辰Step 3.5 Flash，两天登顶OpenRouter趋势榜

12. 聊聊小米开源的MiMo-V2-Flash，这次，为推理而生。

13. 爆火的Seedance2.0，终结AI视频角逐赛！ #燃起来了大国重器 #春节世界观察 #新年囤点专业货

14. Step 3.5 Flash 限免实测：5 个应用跑通，免费也能当通用 Agent 底座

15. 体验完智谱刚刚发布的 GLM-5，我终于明白它为什么让硅谷猜破了头

16. GLM-5深夜登场，这是国产开源模型首次逼平Claude Opus 4.5。深夜，GLM-5来了，发布即开源。到今天，2026年的主旋律真的就定下了，无论是国内、海外。Coding与视频齐飞，人类共AI一色。这应该就是2026年AI领域最核心的两个主航道了，在这两之上，其实就是Agent。这几天感觉过年一样，太热闹了，上周GPT-5.3 codex和Claude Opus 4.6中门对狙，后脚Seedance 2.0席卷全球，而现在，战场又拉回了Coding这边。GLM-5，作为一个全新的大版本号，升级幅度还是很大的。我其实已经提前三天拿到了GLM-5的API，这几天在我用Codex开发的时候，也把GLM-5同步接入到了Claude code里同步开发进行对比。虽然作为智谱一直以来的拥簇，很想吹一下GLM-5跟Seedance 2.0一样全球第一，但是我觉得还是实事求是。这几天的使用过程中，个人体感是，GLM-5跟GPT-5.3-codex这种变态肯定还是有一些距离（后面有case会展示），但是在真正产品的开发和解决BUG的能力上，是能摸一下GPT-5.2-codex和Claude Opus 4.5了。不要觉得这好像是一件很容易的事，Coding国内落后的其实一直都比较远，能追上Opus 4.5的能力，其实已经非常非常非常牛逼了。前几天，在GPT-5.3-codex和Opus 4.6中门对狙的文章里，我在评论区说，要是DeepSeek能赶上Opus 4.5，我高低得给它磕两个。没想到，我可能得给智谱磕两个了。同时，我也深刻的清楚，不是所有人都有条件买ChatGPT的会员。那我建议你，就用GLM-5就行，这就是国内，你现在能用上的，最好、最棒、性价比最高的大模型。Claude Code + GLM-5，是你无需魔法，国内可用，最低门槛体验AI Coding魅力的组合。先看下跑分和性能。首先，GLM-5从355B（32B激活）扩展到744B参数（40B激活），参数量大了一倍，智能提升确实挺多，而且成本没有加特别多。跑分上，目前在Artificial Analysis上仅次于那两个大爹，开源第1。整体能力上。相较于GLM-4.7，GLM-5全线能力基本都有了大幅提升，而且逼近Opus 4.5。有一个比较有特点的，就是BrowseComp基准，测的是Agent在网上搜索信息的能力，GLM-5得分75.9，直接超第二名普通的GPT-5.2有10个点，已经非常强了。而另外两个最顶级的模型没放在里面，一个是GPT-5.2 Pro得分是77.9，Opus 4.6得分是84，GLM-5其实已经逼近最一线的水平了，能跟GPT-5.2 Pro打个平手，这事本身就挺强的了。其他的，比如现实场景下改仓库代码的测试机SWE-bench，终端环境中agent能力的基准Terminal-Bench 2.0，agent工具使用的τ²-Bench，还有测试模型调用MCP能力的MCP-Atlas基准上，基本比Opus都只差那么临门一脚了。说实话，一个国产模型，还开源出去，能到这个水平，已经非常非常让人自豪了。同时在系统工程能力、长任务能力，在跑分上也能得到印证。比如Long-horizon基准，也就是长链条复杂任务，就能充分体现模型自主进行Agent长程多步规划和执行的能力。这个跑分看下来就很清晰了，也和我实测下来的感受一致，在真正需要做大开发的时候，它的长程任务上，确实是对标Opus 4.5的存在。GLM-5的上下文窗口和GLM-4.7一样，目前还是200k的上下文窗口，输出是128K。不过GLM-5有一个非常离谱的一点，即省token，就是干活的感觉，非常精准，跟GPT-5.3-codex有的一拼。价格上，一个是API价格，这价格便宜的让人心疼。Opus 4.5和4.6，都是$5/$25每百万token（输入/输出）。而GLM-5大概只有Claude的七分之一。真香。另一方面，是Coding Plan，也是现在玩Vibe Coding的主流用法，基本都是买包月套餐，对标Claude Max和ChatGPT Pro的。价格是Claude Max套餐的2/3，Token额度是他们的3倍。因为卖的过于火爆，算力不够，前两个套餐额度，直接被抢空了。太离谱了。白天大家可以蹲一蹲，网址：网页链接当你有了GLM-5的权限后，我最推荐在Claude Code里用。因为Claude Code就是目前最通用的Coding Agent产品，Codex是单纯的例外，主要跟GPT适配的太好。而在Claude code里接入GLM-5挺简单的。这一点智谱做的很好，他们做了一个Coding Tool Helper工具可以快速将你的GLM编码套餐加载到你使用的编码工具中。直接打开终端，然后输入：# 进入命令行界面，执行如下运行 Coding Tool Helpernpx @z_ai/coding-helper你就正常登录。目前支持的编码工具 Claude Code、OpenCode、Crush、Factory Droid。跟着配置好以后，运行Claude Code，就能用GLM-5了。我做了几个case，给大家感受一下GLM-5的能力。前天我拿到GLM-5的资格时，正好有个需求要开发，就是一个全平台分发文章。做自媒体的朋友们应该知道，文章写完不是真正的结束，而是刚刚开始。我一般写完公众号文章需要同步分发到其他平台，这是个很大的工作量，而且有的编辑器还不一样，会出现乱码，文本格式丢失问题。。之前是用一个开源工具自己改的，但是其实没那么好用，所以最近一直想自己开发。我当时就想，不如用GLM-5 Coding一个这样的全平台内容同步分发的小产品吧。开发完以后，发现效果居然还不错。这个case大概的功能是把我的文章链接放进去，然后点击想要同步的平台，就可以同步过去。当时开发的时候其实Prompt给的巨简单。（提示词见评论）给过去以后，GLM-5其实就比GLM-4.7强很多了。他先提供给我了一些关键设计让我去选择。我也秉持着先开发一个最小MVP的原则去的。接着GLM-5就给了超详细的规划。总体完成度和实用性很好，不过因为最开始最小MVP的原则，分发的平台有点少，后续我直接让他添加其他的平台，两轮就完成了。整体还可以，但是在使用的时候，遇到了一个BUG。就是我放入公众号链接后，让他提取标题、封面、正文，前两个可以成功提取出来，但正文提取内容总是不全。改了两三轮，还是有BUG，然后我上Opus 4.5，居然也没改成功。最后打开了GPT-5.3-codex，一轮，完成了。GLM-5跟Opus 4.5的差距没那么大，其实是有道理的。说实话，主要还是，GPT-5.3-codex强的有点变态。所以这个case，其实就是GLM-5做的整体规划和方案设计，然后最后遇到一个棘手的BUG上Codex解决的，总体体验下来还是挺不错的。然后还有另一个我觉得特别好玩的case。就是，看到公司同事终于在用电脑模拟器，打欢乐斗地主。当时他吐槽说，要是有记牌器就好了。于是，我就想，这是个好思路，虽然不会帮他作弊，但是可以试一下大模型的能力。上GLM-5试了一下，还真的有点意思。用的提示词很简单，就一句话（见评论区）反正我是完全不知道怎么实现，更不知道怎么跟PC模拟器打通。我就说了这么一个需求，GLM-5，他会自己进行更深入的咨询，包括识别方式、技术路线、功能需求，都会和我确认。比如在实现方式上，他提供自动识别记牌、手动点击记牌等方案让我选择，每个方案还会给出不同的技术实现路线。还有功能需求的确定，我这里选择了基础记牌。第一轮对话下来，记牌器整体框架都搭建好了。虽然我选择的是自动识别模式，但他很贴心地把自动开发和手动开发两种模式都做了。手动模式第一轮其实就直接开发完了，就可以用了。它的使用逻辑是需要我自己去看对方出什么牌，我就点击那张牌，牌数会自动减一。但是这个逻辑太蠢了，一点都不自动，一点也不AI。对方打一个牌，我还得手动点点点，这也太呆逼了。所以我还是想要用自动识别模式，但第一轮对话后自动识别功能并没成功。他这里自动识别的操作逻辑是这样的。游戏开始的时候，我手动勾选出牌区域，他就会自动识别这个区域出的所有牌，并自动记牌。但实际上，我选中出牌区域后，它没法识别出的牌。明明这边都打起来了，它这边一直等待识别。我让它进一步修改。但是这样的bug它并没有一次改出来，改了一版后同样报错。这个时候，它自己选择添加了调试功能。我看了一下，应该是这个功能实现的链路主要有两部分，屏幕勾选区域截图，截图扑克牌识别，所以他需要调试确定哪个环节出了问题。这一步，可能是模拟器的原因，还涉及到比较复杂的跟屏幕的交互和监控，所以我得帮他一起测试一下。他显示出我勾选区域的截图，有OCR结果，这样我一下就能明白到底是哪个环节出了问题。然后我就发现，每隔半秒截图的功能没问题，核心问题是OCR一直识别不出结果。bug找到后，交给他直接搞了。GLM-5自己开发了一套方案，他给出的识别方案是这样的，给每张牌都上传模板。然后他会对游戏页面截图进行灰度处理、二值化，然后和模板进行模式匹配，从而实现识别。这个灰度处理和二值化，说实话我没听懂，我也怕GLM-5给我的不是最优解，所以打开了Opus 4.6和GPT-5.3-codex，让他们也同时出一套解决方案看看有没有更优解。没想到跟GLM-5出的方案，是一模一样的，搞得还真没毛病。这突然一下显得我有点小肚鸡肠，不信任GLM-5了。模板处理完之后，很快，他就把这个系统开发完了。由于我注册的是新号，估计新手村对面是人机，出牌特别快。我本来还担心识别速度会跟不上。没想到，识别效果出乎意料的好。除了大小王识别有点问题，其他全都能准确识别，哪怕是接连出顺子，也能精准识别。相当牛逼。要知道，这真的不是那种普通的前端网页，这个实现方式，稍微有那么点复杂的。GLM-5，完成的非常好。大小王的识别问题我初步想了一下，因为上传的模板中，字母是一样的，只是颜色不一样。图片经过灰度处理后大小王不就一样了，那肯定分不清。不过大小王还是比较好记的，所以也没管这个。而且，这是我一两个小时不到就做出来的，而且是可以实战用了，效率还是相当恐怖的。同时，我也提醒大家上网打牌的时候，特别是现在这个阶段，在网上用真钱去做一些游戏的时候，要谨慎一点，因为你不知道对面会不会像我一样，随手Vibe Coding一个外挂。除了这两个之外，我还随手复刻了一个QQ农场。还有很多细节，比如如果我不收已经熟了的作物他会枯萎，农场里还会随机长出杂草、虫子。在数据存储上，还知道用浏览器LocalStorage作为数据存储，这是一个典型的前端单机游戏存储方案，很适合这种轻量级项目。而且这个QQ农场消耗的token，也就十三万。离谱。这些case其实已经能看出来，GLM-5的开发能力还是很强的，在一些规划、架构能力上真的可以比肩Opus 4.5，虽然在精准的BUG修改上，离现在最变态的GPT-5.3-codex还有一些差距，但是我已经非常开心了。同时，GLM-5构建Skills也做得很好。这个其实也挺考验模型的理解和执行能力的。我很喜欢用咱们的老演员yt-dlp测试GLM-5打包Skills的能力。（提示词见评论区）GLM-5封装的基本没有任何问题，一轮效果，B站视频就能成功下载了。而下载youtube视频，它也精准的提出了，需要我给一个Cookies，他才能帮我下载，我依稀记得，当时用Opus 4.5打包这个Skills，对话了6、7轮，改了N版，他也没告诉我要Cookies这事，就在那自己傻逼兮兮的告诉我改好了，可以下了，一下又报错。。回想半年前。如果你问我，国产大模型能不能在Coding领域跟OpenAI和Anthropic正面刚，我会说很难。但GLM-5出来了，确实能摸到Opus 4.5的水平。虽然跟最新的Opus 4.6和GPT-5.3-codex还有差距，但这个差距已经从代差缩小到了可以追赶的范围。这是一个很重要的变化。而且更重要的是，GLM-5是开源的，价格更是Claude的N分之1。能力接近，开源免费，价格便宜。而开源，更是意味着，B端能用上，企业能用上。AI编程这件事，在国内，门槛真的，正在急剧降低。以前你想用顶级的AI编程能力，得买ChatGPT的会员，得有魔法，得付得起那个价格。现在不用了。GLM-5给了一个平替选择，虽然在全球领域，他还不是最好的，但已经是跻身T1行列了，而且人人也都能用得起。这会让更多人开始尝试AI编程，会让更多人感受到AI的魅力。而当更多人用起来之后，社区会更活跃，反馈会更多，模型会迭代更快。这是一个正向循环。这也代表，我们在人才、在算力、在资金各方面都缺少的地不是，是能追上的。当然，追上不代表胜利。OpenAI和Anthropic还在快速迭代，下一个版本可能又把差距拉开。但至少，我们已经进入了同一个赛道，在同一个维度上竞争。这就是进步。我非常非常推荐大家，去试试GLM-5吧。站在今天这个节点，我其实很想说跟冯骥一样的话：我真的很庆幸，这个开源模型。来自智谱，来自中国。在ds和sd之后的另外一个Coding世界里，也有了中国身位。惟愿。国运昌隆。#how i ai# #智谱GLM5已上线# #科技先锋官#

17. 智谱最新大模型 GLM-5 官网上线，有哪些值得关注的亮点？使用感受如何？

18. 小米2026年研发投入预计400亿，五年累计2000亿，AI成核心赛道。新模型MiMo-V2-Flash性能跻身全球开源TOP2，成本仅为竞品1/20。重金投入能否让小米AI弯道超车？拭目以待。#小米2026年预计研发投入约400亿##小米新模型什么水平##小米#小米

19. 中国AI现在是一年一爆款！#Seedance2.0火爆出圈 #AI #深度解析

20. 神秘模型“Pony Alpha”确认为智谱新模型GLM-5，目前已上线

21. 智谱GLM-5强调的Agentic Engineering能力是什么？｜甲子光年

22. GitHub Copilot

23. GitHub Copilot 基础教程

24. GitHub Copilot CLI发布

25. SWE-bench

26. 快2026年了，企业软件开发者应该如何应对AI

27. 1024实训营高校行

28. 我问AI

29. 生存法则丨“AI会取代90%的工作”是危言耸听？

30. 凌晨两点的焦虑:当AI能写80%代码，我们还剩什么？

31. 吴恩达

32. 美国科技大厂裁掉1.5万人！AI替代30%运维岗，程序员危机来袭？

33. 这次真的不是“狼来了”

34. AI杀不死程序员

35. AI请回答

36. 吴恩达的30-40%定律

37. 翻译| 用AI取代程序员？为什么比尔·盖茨、萨姆·奥特曼和经验都说你不应该

38. 从Coder到Orchestrator

39. 程序员身价暴涨还是加速淘汰？AI时代的答案其实很清楚

40. Java程序员职业指南 | AI时代你必须构建这样的复合能力！

41. AI 正在让初级开发人员消失

42. AI认为AI编程无法取代从事底层开发的程序员

43. 在AI浪潮下，美国年轻人的工作岗位悄然流失，科技发展带来反噬？

44. 与AI协作时，我们应当注意些什么？

45. AI协作的甜蜜点

46. 担心的事儿发生了:已有企业在用ChatGPT取代员工

47. 程序员真的要被AI取代了吗?

48. 关于 AI 编程的一些浅思

49. 软件编程中的人工智能应用开发理论与实践全方位探索

50. AI怎么写代码 AI辅助编程使用方法

51. 自主决策端到端完成编码任务

52. 谷歌工程师抛出5个残酷问题

53. 谷歌工程师抛出5个残酷问题:未来两年,软件工程还剩下什么?

54. 未来程序员大规模失业的可能性及应对策略_人工智能_流水不腐程序-GitCode-AI社区

55. OpenAI高管放话99%程序员要失业?这碗焦虑汤你喝不喝?

56. 美国程序员失业率创纪录:17万本科生难就业,AI抢饭碗!

57. AI抢走程序员饭碗?未来只有两种人能活下来!

58. AI辅助编程对程序员及项目开发的多维度影响

59. 计算机行业深度报告:AI编程,未来已来-开源证券

60. AI时代编程何去何从?洞悉软件开发新机遇

61. DeepMind发布AI编程系统AlphaCode，可达到竞赛级编程水平

62. AI为网络安全面临的十大主要挑战

63. AI为网络安全面临的十大主要挑战

64. 80% 的 App 会被替代？Clawdbot 创始人更在意：AI 能不能把事办成

65. AI原生浪潮来袭，数睿数据引领软件开发行业新范式

66. 微软裁9000人，30%代码由AI完成：程序员亲手砸掉自己的饭碗

67. 扎克伯格最新决定刷屏：用 AI 取代 60% 程序员！

68. 什么是AI Agent(智能体)?它将如何改变我们的工作方式

69. 80%的AI工作已被Claude Skills取代！

70. OpenAI斯坦福闭门分享：AI对年轻人职业冲击

71. 程序员的铁饭碗悬了？AI准确率飙到80.9%，人类工程师惨遭碾压！

72. INTERACTCOMP报告解读：评估搜索代理处理模糊查询的交互能力

73. AI时代下，百万年薪程序员的进阶之路

74. 普林斯顿+MIT+微软：生成式AI对高技能工作的影响

75. Gartner权威预测：AI Agent五大演进趋势

76. 基于DeepAgents轻松构建 AI Coding Agent

77. GPT-5编程测评大反转，表面不及格，实际63.1%的任务没交卷，全算上成绩比Claude高一倍

78. 目前，人机协同最前沿在研究什么问题？

79. 裁员先裁搬砖的新人会导致断层吗

80. 第一波因DeepSeek失业的人出现了！未来5年，这6个行业千万别让孩子碰

81. ClaudeCode内部团队评估指南公开！跟传统开发大不同！

82. 005-GitHub Copilot产品评测 | GitHub Copilot Review

83. Copilot 在 Teams 消息对话中的10大应用场景

84. 2026年AI Coding Agent的9个预测，来自Cursor团队成员

85. GitHub Copilot 完整新手指南

86. 如何评估智能体测评结果的准确性？

87. AI研讨会 | From Code Generation Towards Software Engineering: Advancing Code Intelligence w/ Language Models

88. 250908- Coding Agent实战心得：从工具到伙伴的协作之道 \u002F Coding Agent Mastery: Collaborative Devel

89. 【斯坦福博士论文】为人类使用优化 AI 模型

90. 再看SWE-Bench：论一个好的benchmark是如何推动2025 Agentic编程范式的发展

91. 精通 GitHub Copilot 系列 (三)：深入解析 Copilot 的技术架构

92. 顶级工程师Karpathy的“AI革命”：一个月前还在焦虑“落后”，如今“20年古法编程习惯”被彻底颠覆，80%代码已交给AI！

93. 精通 GitHub Copilot 系列 (十二)：超越 Copilot - 拥抱完整的 GitHub 安全生态

94. 技术速递｜使用 GitHub Copilot SDK 将智能体集成到任何应用中

95. 最近我被 Anthropic 狠狠“教育”了一次：为什么不做 Evals 的 Agent 团队，注定在生产环境里裸奔

96. 从个人到企业的AI编程赋能微软技术直通车（第二十六期）之 VS Code Dev Day｜从个人到企业的AI编程赋能。 GitHub Copilot 作为 AI 编程助手，为个人开发者实时生成代码建议，支持数十种语言与主流 IDE，让新手快速上手，老手告别重复编码。对企业，其企业版提供定制化政策管控、代码安全扫描与团队使用分析，助力团队统一编码规范，加速项目交付，从个体效率提升到组织级开发效能跃迁，全链路赋能编程创新。 #GitHub #Copilot #Azure #AI #开发者

97. Anthropic内部调研报告:AI在如何改变程序员工作方式?

2025年编程智能体能力边界与职场影响：替代还是协作？

精选参考来源