开源模型首超Opus4.6！智谱GLM-5.1登场，14小时后CUDA专家被冲了

背景与行业趋势

近年来，AI大模型的发展已经从简单的对话能力，逐步演进为能够完成复杂工程任务的“执行者”。过去衡量模型智能程度的主要标准是跑分，例如在SWE-bench Pro等代码评测基准上的表现。然而，随着模型能力的提升，行业逐渐意识到，仅靠跑分已无法全面反映AI模型的实用价值。

智谱AI推出的GLM-5.1，正是在这一趋势下诞生的里程碑式开源模型。它不仅在多项评测中超越GPT-5.4与Claude Opus 4.6，更在“长程任务（Long Horizon Task）”处理能力上实现了突破。GLM-5.1能在单次任务中持续、自主工作长达8小时，最终交付完整的工程级成果。

技术突破与模型特性

GLM-5.1的核心优势体现在以下几个方面：

• 744B MoE架构：采用混合专家模型，每个token激活40B参数，兼顾模型容量与推理效率。
• 200K长上下文：支持最大输出131,072 tokens，满足复杂工程任务中长期记忆与上下文跟踪需求。
• DSA稀疏注意力机制：结合DeepSeek Sparse Attention，显著降低部署成本。
• 全栈优化能力：从编译、测试、分析到重写，GLM-5.1能够自主闭环完成复杂迭代。

在壁仞科技的配合下，GLM-5.1成功实现高效推理，依托其高算力芯片与BIRENSUPA™软件栈，进一步释放了模型潜力。

实测表现与工程能力

GLM-5.1在多个真实工程场景中的表现令人惊叹：

• CUDA Kernel优化：AI在14小时内完成资深CUDA工程师通常需要数月的优化任务，加速比从2.6×提升至35.7×。
• 1小时构建MacOS桌面环境：基于3000字PRD，AI完成从零开始的UI复刻与系统功能实现，相当于4人团队一周的工作量。
• 自动重构“屎山”代码：将混乱、低效的代码优化为结构清晰、符合规范的代码，大幅提升可维护性。
• 向量数据库性能优化：通过655轮自主迭代，将查询吞吐量提升6.9倍，展现了极强的持续学习与优化能力。

这些实测不仅展示了GLM-5.1在软件开发领域的潜力，也揭示了AI正在逐步承担更复杂的任务闭环。

性能对比与行业认可

GLM-5.1在权威评测中表现突出：

• SWE-Bench Pro：得分58.4%，超越Claude Opus 4.6（57.3%）与GPT-5.4（57.7%），刷新全球最佳成绩。
• Terminal-Bench 2.0与NL2Repo：三项综合平均分，GLM-5.1位列全球模型第三、国产模型第一、开源模型第一。
• MIT METR测试：在任务完成时间线（Task-Completion Time Horizon）评测中，GLM-5.1是唯一实现8小时持续工作的开源模型。

HuggingFace CEO Clement Delangue也公开表示：“SWE-Bench Pro上表现最好的模型现在在HuggingFace上开源了！欢迎GLM-5.1。”

影响与未来展望

GLM-5.1的推出，标志着国产开源模型在全球AI竞争格局中迈出了关键一步。它不仅打破了“中国模型只能追赶美国闭源模型”的刻板印象，更以开源的形式推动全球AI开发者共同进步。

• 算力成本降低：开发者Beau Johnson将模型从Claude Opus切换为GLM-5.1后，成本从1000美元降至30美元，降低了97%。
• 推动AI普惠化：开源意味着更低的使用门槛，任何人都可以部署、修改、优化GLM-5.1，为AI生态注入更多活力。
• 重塑软件工程逻辑：当AI能持续数小时完成复杂任务时，传统人力配置与行业定价模式将面临重构。

尽管在推理速度（44.3 tokens/秒）等方面仍有提升空间，GLM-5.1的意义在于它证明了：在算力受限的环境下，中国开源模型依然可以做到全球领先。

未来，AI不再只是辅助工具，而是真正的“执行者”。GLM-5.1的出现，不仅是技术进步，更是一场生产力的变革。它将推动AI从“对话者”向“工程师”演进，成为真正能够改变世界的力量。