GLM-5登顶全球开源第一

2月7日深夜，一个代号“Pony Alpha”的神秘模型悄悄上线。

随后，外网炸了。

扔进去一段改了一天都没搞定的“屎山代码”，它顺手重构了架构；输入一段简单的提示，它吐出一个包含35个电台、UI丝滑的完整Web App。

这种极致的工程能力，直接印证了 Andrej Karpathy 几天前的断言：

Vibe Coding已经成为过去，新的游戏规则只有一个名字——

Agentic Engineering（智能体工程）。

紧接着，Opus 4.6与GPT-5.3-Codex 次日深夜“撞车”上线，全篇只谈“长程任务、系统工程”。

就在所有人以为这又是闭源巨头的独角戏时，Pony Alpha的谜底揭晓——

它是GLM-5。

全球第一个站上这条赛道，和硅谷巨头在系统级工程能力上正面硬刚的开源模型。

谜底揭晓后，智谱股价直接暴涨32%！

全球开源第一！柄产模型的“Opus时刻”

在真正上手之后，我们只有一个感受：真的太强了！

如果说Claude Opus代表了闭源模型的巅峰，那么GLM-5的发布，无疑标志着国产开源模型迎来了属于自己的“Opus时刻”。

就在发布当日，10余款由开发者基于GLM-5“手搓”的游戏和工具已同步展出并提供体验，后续这些应用也将陆续登陆各大应用商店。

这意味着，GLM-5正将“AI编程”转化为“AI交付”，真正实现了生产力工具向商业产品的无缝跨越。

比如这个名为“Pookie World”的项目。

就是由GLM-5驱动的数字平行世界，通过多层生物-心理框架赋予自主智能体真实的叙事完整性与生命动机。

还有复刻版“我的世界”，这个效果和玩法简直和Minecraft一模一样。

我们也使用Claude Code作为外壳，直接接入GLM-5的API进行了多维度的实测。

无论是Next.js全栈项目，还是MacOS/iOS原生应用，它都能实现从需求分析、架构设计到代码编写、端到端调试的全流程闭环。

做了N个项目，冥冥之中有一种感受：

某种程度上，GLM-5或许是一个能改变行业格局的模型。

· 复杂逻辑挑战：“无限知识宇宙”

如果你觉得写个网页很简单，那试着让AI搞定一个对JSON格式要求极严、且涉及动态渲染的“无限流”项目。

就拿我们最先测试的“无限知识宇宙”来说。

这是一个典型的复杂前后端分离项目，涉及React Flow动态渲染、Next.js API路由设计，以及极其严格的JSON格式输出要求。

对此，GLM-5的表现堪称惊艳。

它不仅一次性完成了整个项目文件结构，更让人惊喜的是它的debug逻辑。

在遇到一个渲染bug时，我们只说了一句“页面还是一片黑，初始化时没有出现第一个内容……”

GLM-5立刻定位到是加载时机的问题，并迅速给出了修正方案。

完整的提示词如下：

无限流·概念可视化

核心概念：这是一个“永远点不完”的思维导图。用户输入任何一个关键词（比如“量子物理”或“红楼梦”），系统生成中心节点。点击任意节点，AI实时展开其子节点。

惊艳时刻： 用户会感觉自己在与一个全知的大脑交互。当他们随意点击一个生僻概念，AI依然能精准展开下一层级时，这种“无限探索”的感觉非常震撼。

视觉与传播：

- 使用React Flow或ECharts制作动态的、可拖拽的节点网络。

- 配色使用Cyberpunk或极简风格，非常适合截图发朋友圈。

可行性方案：

- 前端：React + React Flow (负责画图)。

- 后端：Next.js API Route。

- Prompt策略：不需要复杂的上下文记忆，只需要让AI针对“当前节点”生成5-6个关联子节点并返回JSON格式即可。

- 难点攻克：让模型输出稳定的JSON格式（这是测试模型指令遵循能力的绝佳场景）。

· 更复杂的中台项目，11分钟搭建完毕

接下来加大难度，让它开发一个名为“Soul Mirror”的心理分析应用。

需求分为两步：

Step 1逻辑设计：扮演荣格心理学专家，输出包含分析文本和视觉参数的JSON。

Step 2前端实现：根据参数动态渲染SVG，生成塔罗牌风格的卡片。

提示词

Step 1: 逻辑设计

我们要开发一个名为"Soul Mirror"的心理分析应用。

交互流程：

1.引导页：用户输入当前的状态或困惑。

2.分析页：AI提出2个深度追问，引导用户探索内心。

3.结果页：基于对话，AI生成一张“心灵卡片”。

请设计核心Prompt (System Instruction)：要求模型扮演一位荣格心理学专家。在最后一步，模型需要输出一个JSON，包含：

- analysis: 心理分析文本。

- visualParams: 一组用于生成抽象艺术图的参数（如colorPalette（十六进制颜色数组）, shapes（圆形/三角形/波浪）, chaosLevel（混乱度数值））。

Step 2: 前端实现与SVG渲染

请编写Next.js前端代码。重点是实现一个ResultCard组件。

要求：

1.接收Step 1中的visualParams参数。

2.使用SVG动态绘制图形。例如：如果chaosLevel高，使用不规则的Path；如果colorPalette是暖色，背景使用渐变橙红色。

3.卡片布局要精美，像一张塔罗牌：中间是动态SVG图案，底部是用户的名字和AI的一句“灵魂箴言”。

4.增加一个“保存为图片”的按钮（使用html-to-image库）。

整个过程，它展现出的理解力，时常会让人怀疑是不是在用Opus 4.5。

但是看了一眼，确实就是GLM-5。

· 25分钟一镜到底，真正的Agentic Coding

为了更进一步测试GLM-5的能力，我们要求它不使用API，完全模拟真实用户，来制作一个X平台的监控系统。

结果：25分钟，一镜到底。

可以看到，GLM-5会在运行中自主调用各种工具Agent，规划任务、拆解步骤、遇到报错自己查文档修正。

这种长时间维持逻辑连贯性的能力，是以前开源模型不敢想象的。

· 看图写APP，这还原度真的服了

最后，我们又把一张OpenClaw之父开源项目的截图（一个AI额度统计工具），直接丢给GLM-5：

照这个给我做一个MacOS App。

没一会，它真的“复刻”了一个同款产品出来。

虽然数据是Mock的，但UI布局、交互逻辑几乎完美复刻。

这不仅是视觉理解能力，更是将视觉转化为SwiftUI代码的工程落地能力。

大神手搓：1天复刻“丐版Cursor”

为了验证GLM-5的工程极限，一位资深开发者决定玩把大的：

从零手搓一个带桌面UI的AI编程助手——GLMLIFE。

这相当于要做一个简易版的Cursor。

任务扔给GLM-5后，它没有上来就狂写代码，而是先甩出了一份专业的架构设计文档（PLAN.md），并做出了极其成熟的技术选型：

直接采用了Monorepo架构，将项目精准拆解为三个核心包。

Core：负责Agent核心引擎与LLM适配；

CLI：处理命令行交互；

Desktop：基于Electron + React 18的桌面主程序。

从Zustand状态管理到Tailwind样式方案，再到复杂的IPC进程通信，GLM-5像个带了十年团队的技术总监，把技术选型安排得明明白白。

开发者原本以为要花三天配置环境，结果仅用一天就跑通了从环境搭建、核心逻辑实现到Electron打包的全流程。

打开GLMLIFE的那一刻，你很难相信这是AI在一天内“架构”出来的产物。

为什么它能成为“开源界的Opus”？

放眼全球，Claude Opus 4.6和GPT-5.3-Codex之所以备受追捧，是因为它们具备极强的“架构”能力。

Opus 4.6的暴力美学：16个AI分身自主分工，耗时两周，从零构建了一个包含10万行代码的Rust编译器，通过了99%的GCC压力测试。

GPT-5.3的自我创造：它是OpenAI第一个“参与自身创造”的模型，在“出生”前就已介入训练流程和集群部署。

然而，这一切都有一个致命的前提：它们不仅闭源，而且昂贵。

此时此刻，GLM-5的发布，便是中国开源大模型对Agentic时代的一次暴力破局。

它直接盯着闭源巨头最不想放手的领域——系统级工程能力，做了一次“平替式”的进攻。

1. 新晋“后端架构师”

智谱团队非常清楚，开源界不缺能写Python脚本的模型，缺的是能处理脏活、累活、大活的模型。

GLM-5在训练中大幅强化了后端架构设计、复杂算法实现和顽固Bug修复的权重，并且还实现了极强的自我反思机制。

在编译失败时，它会像一个成熟的工程师一样，自主分析日志、定位根因、修改代码、重新编译，直到系统跑通。

2. 既然是干活，就要算账

比肩Opus的性能，和开源的权重，让GLM-5从某种程度上撼动了Anthropic和OpenAI构建起的围墙花园。

本地部署：它不仅可以在完全隔离的内网中运行，并且还能针对公司的私有框架进行微调，成为最懂自家代码的专员。

成本可控：用户可以用消费级显卡集群跑起一个强力的Coding Agent，不必每运行一次测试都要心疼钱。

屠榜SOTA

GLM-5的这次进化，只能用两个字形容：暴力。

既然是面向复杂系统工程设计的基座模型，那规模肯定要拉满。

参数量从355B（激活32B）一口气干到了744B（激活40B），预训练数据也从23T堆到了28.5T。

除了“大”，还得“省”。

众所周知，Agent跑起来最烧钱的就是Token。

为了解决这个痛点，GLM-5首次集成了DeepSeek Sparse Attention（稀疏注意力）机制。

这让它在处理超长上下文时，不仅能保持“无损”的记忆力，还能大幅降低部署成本。

还有个更狠的“黑科技”——全新的异步强化学习框架Slime。

配合大规模强化学习，让模型不再是“一次性工具”，而是能在长跑中越跑越聪明的“长程选手”。

至于跑分，更是硬核：

代码能力

SWE-bench Verified直接冲到77.8分，Terminal Bench 2.0一举拿下56.2分，都是开源第一。这个成绩不仅超了Gemini 3.0 Pro，更是直接贴脸Claude Opus 4.5。

Agent能力

BrowseComp（联网检索）、MCP-Atlas（工具调用）和τ?-Bench（复杂规划），全线霸榜开源第一。

最有趣的是Vending Bench 2（自动售货机经营测试）。

在这个测试中，模型得完全靠自己经营一年售货机。

您猜怎么着，GLM-5到年底居然赚了4432美元，这水平都快赶上Opus 4.5了。

在开发者最关心的内部Claude Code评估集合中，GLM-5在前端、后端、长程任务等编程开发任务上显著超越上一代的GLM-4.7（平均增幅超过20%）。

真实使用体感已经逼近Opus 4.5。

用AI造AI

当然，GLM-5的野心不止于模型，更在于重构我们手里的编程工具。

全球爆火的OpenClaw让大家看到了AI操作电脑的潜能。

这次，智谱也推出了AutoGLM版本的OpenClaw。

在用原版时，光环境配置就需要折腾半天，现在官网一键部署。

想要个7x24小时帮你盯着推特、整理资讯、甚至写脚本的“数字实习生”？点一下就有了。

同时发布的还有Z Code——

完全基于GLM-5能力诞生的新一代开发工具。

在Z Code里，你只管提需求，模型会自动拆解任务，甚至拉起一堆Agent并发干活：写代码、跑命令、Debug、预览，最后连Git提交都帮你搞定。

甚至，你还可以用手机远程指挥桌面端的Agent干活。

值得一提的是，就像OpenAI用Codex写出了Codex，Z Code本身，也是GLM模型全程参与开发出来的。

国产算力的胜利

在GLM引爆全球流量、Agent需求激增的背后，一群“无名英雄”正默默支撑着海量的计算负荷。

为了确保每一行代码、每一次 Agent 规划都能稳定输出，GLM-5已经深入国产算力的“腹地”，完成了与华为昇腾、摩尔线程、寒武纪、昆仑芯、沐曦、燧原、海光等主流平台的深度适配。

通过底层算子级的精细化优化，让GLM-5在国产芯片集群上也能跑出“高吞吐、低延迟”的满血表现。

这意味着，我们不仅有了顶级的模型，还不被卡脖子。

结语

2026年的春天，编程大模型终于脱去了稚气。

Karpathy所谓的“Agentic Engineering”，本质上是对AI提出了一种更严苛的“面试要求”：

以前（Vibe Coding）：只要你会写漂亮的HTML，我就录用你。

现在（Agentic Coding）：你需要懂Linux内核，懂500个微服务之间的调用关系，懂如何在不炸掉线上的前提下重构代码，还要能自己规划任务、自己修Bug。

GLM-5并不完美。

但在“构建复杂系统”这一核心命题上，它是目前开源界唯一能接住这波“Agentic浪潮”的选手。

Vibe Coding已经结束了。

别再问AI“能不能帮我写个网页”了。那是2025年的事情。

现在，试试问它：“能不能帮我重构这个高并发系统的核心模块？”

GLM-5，Ready to Build！

彩蛋

GLM-5已经纳入Max用户套餐，Pro将尽快在5天内支持！

并且刚刚智谱宣布涨价，今年的Token注定是要涨价的！