# GLM-5.1: AI zdolny do długoterminowej optymalizacji kodu bez plateau
GLM-5.1 od Z.ai prowadzi na SWE-Bench Pro z 58,4 punktu, wyprzedzając GPT-5.4 (57,7), Claude Opus 4.6 (57,3) i Gemini 3.1 Pro (54,2). Model dostępny na HuggingFace na licencji MIT. Kluczowy przełom — odporność na długie sesje: rozbija zadania, eksperymentuje, analizuje logi i koryguje strategie przez setki iteracji.
Długoterminowa optymalizacja zamiast szybkiego plateau
Poprzednie modele, w tym GLM-5, szybko wyczerpują narzędzia: stosują standardowe podejścia, osiągają lokalne maksimum i zatrzymują się. GLM-5.1 zaprojektowana do wielokogodzinnych cykli. W połączeniu z mechanizmem sprzężenia zwrotnego:
- Rozbija zadanie na podcele.
- Uruchamia eksperymenty z narzędziami.
- Czyta metryki i logi.
- Identyfikuje bottlenecks.
- Przekształca strategię.
To pozwala pokonywać plateau przez tysiące wywołań narzędzi.
Linux-desktop w przeglądarce: 8 godzin autonomicznej kompilacji
Zadanie: zaimplementować aplikację webową imitującą Linux-desktop — bez kodu źródłowego czy makiet. Zwykłe modele tworzą szkielet z paskiem zadań i placeholderami, po czym poddają się.
GLM-5.1 w pętli z rewizjami pracowała 8 godzin:
- Zbudowała menedżer plików z nawigacją i podglądem.
- Dodała terminal z emulacją bash.
- Zintegrowała edytor tekstu z podświetleniem składni.
- Zaimplementowała monitor systemowy (CPU, RAM, sieć).
- Włączyła kalkulator i proste gry.
Wszystkie komponenty w jednolitym stylu UI. Model sam decydował, co ulepszać po każdym przejściu.
Rekord na VectorDBBench: x6 przyspieszenie za 600+ iteracji
Benchmark: optymalizacja wyszukiwania najbliższych sąsiadów (ANN) na szkielecie w Rust. Poprzedni SOTA od Claude Opus 4.6 — 3547 QPS za 50 iteracji.
GLM-5.1 w rozszerzonym cyklu (600+ wysłań, 6000+ wywołań):
- Osiągnęła 21,5 tys. QPS — 6 razy lepiej.
- Przeszła 6 strukturalnych przebudów:
- Pełny przeszukiwanie → indeks IVF.
- Kompresja wektorów do f16.
- Dwuetapowe wyszukiwanie: u8-scoring + f16-ranking.
- Hierarchiczna routetyzacja.
Wykres postępu — schodkowa drabina: punktowe strojenia przeplatają się z radykalnymi zmianami podejścia na podstawie analizy logów.
KernelBench Level 3: optymalizacja GPU
Zadanie: strojenie jąder GPU. GLM-5.1 przyspieszyła 3,6 raza za 1200 iteracji. Claude Opus 4.6 prowadzi (4,2×), ale GLM pokazuje potencjał w długich sesjach.
Dostępność i ograniczenia
Model integruje się z Claude Code, OpenCode, Cline, OpenClaw. Dostępny dla subskrybentów GLM Coding Plan. Wady:
- W szczycie zużywa limit 3 razy szybciej (do końca kwietnia poza szczytem — według podstawowego cennika).
- Problemy z koherencją przy tysiącach wywołań.
- Autoocena bez metryk jest słaba.
Z.ai planuje optymalizacje dla zadań long-running.
Co najważniejsze
- GLM-5.1 bije SOTA na SWE-Bench Pro (58,4%) dzięki długoterminowemu myśleniu.
- Na VectorDBBench osiągnęła 21,5k QPS — x6 do rekordu.
- Zbudowała pełny Linux-desktop w przeglądarce za 8 godzin bez podpowiedzi.
- Demonstruje schodkowy postęp: 6 przebudów strategii.
- Wymaga dopracowania koherencji dla ekstremalnych sesji.
— Editorial Team
Brak komentarzy.