Z.ai 開源程式設計模型 GLM-5.1：SWE-Bench Pro 超越 GPT-5.4

GLM-5.1 是 Z.ai 開源的旗艦智慧體程式設計模型，採用寬鬆的 MIT 協議，核心能力是能像一個自主工程師一樣，連續執行長達 8 小時的單項長程工程任務。

在程式碼基準測試 SWE-Bench Pro 上，它拿到了 58.4 分，直接超過了 GPT-5.4 的 57.7 分和 Claude Opus 4.6 的 57.3 分。企業和開發者現在就可以在 Hugging Face 上免費下載權重和商用。

它能做什麼

傳統的程式設計模型寫幾輪程式碼就會遇到瓶頸，給它更多工具呼叫往往只會原地打轉甚至偏離目標。GLM-5.1 專門針對多輪執行做了調優，能在一個任務裡穩定推進數百次迭代與數千次工具呼叫。

Z.ai 團隊負責人 Lou 在 X 上表示，去年底大部分智慧體最多隻能連續執行大約 20 步，而 GLM-5.1 現在能撐過 1,700 步。在他看來，自主工作時長是縮放定律之後最重要的技術曲線。

官方給出的測試案例展現了這種持續調優能力。在向量資料庫最佳化基準 VectorDBBench 測試中，給模型一個 Rust 骨架程式碼和空介面，讓它通過工具呼叫自主改程式碼、編譯、測試並做效能分析。

之前的標杆 Claude Opus 4.6 最多跑到 3,547 QPS 的瓶頸，而 GLM-5.1 跑了 655 次迭代和 6,000 多次工具呼叫，最終把效能推到了 21,500 QPS，提升了接近六倍。

最佳化過程呈現出階梯式突破。第 90 次迭代時，它放棄全量掃描改用 IVF 聚類與 f16 壓縮；第 240 次迭代又自主加入了雙階段流水線。當遇到召回率跌破 95% 時，它還能自己診斷錯誤並做引數補償。

在另一項面向深度學習運算元的 KernelBench Level 3 評測中，模型在配備單張 H100 的 Docker 容器內，自主針對 MobileNet、VGG、MiniGPT 和 Mamba 等模型編寫替代 PyTorch 的 GPU 原生運算元，單題允許最多 1,200 輪工具呼叫。

規格與去哪試

GLM-5.1 是一個總引數量達 7,540 億的混合專家架構模型，支援 202,752 token 的長上下文視窗。

它完全基於 MIT 協議開源，允許商業化修改和私有化部署。目前完整的模型權重已經上線 Hugging Face，開發者可以直接拉取。

不過要注意，7,540 億引數的 MoE 規格極高，本地部署需要頂級的多卡叢集或高效能算力伺服器，普通工作站很難直接跑動全量模型。

為什麼重要

長期以來，真正頂尖的長程自主程式設計能力一直被閉源模型壟斷。GLM-5.1 是開源社群第一次能真正拿到手、自主驗證並用於複雜工程重構的超大規模長程智慧體。

如果你手頭有大型遺留程式碼重構、效能瓶頸調優或深度學習運算元加速需求，只要算力預算充足，它非常值得直接部署試用。不過對於只需寫簡單指令碼或補全程式碼的日常場景，跑這樣一隻 754B 的龐然大物不僅排程成本極高，也完全屬於大材小用。